对于近一半患有高血压的美国人来说，这可能会被判刑——根据美国疾病控制和预防中心的数据，2021 年将近 700,000 人于高血压。它还会增加中风和慢性心力衰竭的风险。但是，尽管如果及早发现它相对容易预防或适度控制(吃得好、多运动、少喝水)，但它可能很难治疗。尽管医生有许多潜在的高血压药物可供选择，但每种药物都有利有弊，这使得开出最有效的药物成为一项挑战：β-受体阻滞剂可减慢心脏速度，但会引起哮喘;ACE 抑制剂会使血管松弛，但会导致干咳。现在，一个新的人工智能程序可以帮助医生更好地将正确的药物与正确的患者相匹配。

该数据驱动模型由波士顿大学数据科学家和医生共同开发，旨在根据患者的特定特征(包括人口统计学、生命体征、既往病史和临床测试记录)为临床医生提供实时高血压治疗建议。该模型最近发表在BMC 医学信息学和决策上的一项研究中有所描述，它有可能比目前的护理标准更有效地帮助降低收缩压——在心脏跳动而不是静止时测量。据研究人员称，该项目的透明度方法还可以帮助提高医生对人工智能生成结果的信任度。

“这是一种新的机器学习算法，利用电子健康记录中的信息并展示 AI 在医疗保健中的力量，”波士顿大学工程学院杰出教授兼 Rafik B. Hariri 计算与计算科学研究所所长 Ioannis Paschalidis 说，工程。“我们的数据驱动模型不仅仅是预测结果，它还建议为每位患者使用最合适的药物。”

目前，在选择给患者开哪种药物时，医生会考虑患者的病史、治疗目标以及与特定药物相关的益处和风险。通常，当有多种选择时选择开哪种药——而且在这些选择中，没有一种药物比另一种更好或更差——可能有点像掷硬币。

相比之下，BU 开发的模型使用个体患者的资料生成定制的高血压处方，为医生提供建议药物列表以及相关的成功概率。研究人员的目的是根据其在一组相似患者中的有效性，突出显示最能控制每位患者收缩压的治疗方法。