佛羅里達大西洋大學新突破 量子機器學習精準預測心臟病

【記者林煜軒／綜合外電】佛羅里達大西洋大學（Florida Atlantic University）的研究人員近期取得一項重大突破，開發出一套全新的量子機器學習框架，能夠以高達 90.26% 的準確度預測心臟病。這項成果發表於《MDPI AI Journal》，為結合人工智慧與量子計算在醫療領域的應用開啟了新的前景。

心血管疾病是全球主要的健康挑戰，每年導致數百萬人死亡，並帶來龐大的醫療成本。儘管傳統的機器學習方法在疾病預測上已有所應用，但面對高度複雜且非線性的臨床數據時，其表現往往力有未逮。

這項研究由佛羅里達大西洋大學工程與電腦科學學院的 Arslan Munir 博士領導。他的團隊利用 918 名患者的臨床數據，對五種量子特徵映射技術和四種量子機器學習分類器進行了系統性評估。其中，表現最佳的模型是採用「角度編碼（Angle Encoding）」的量子支援向量機（Quantum Support Vector Machine），不僅預測準確度達到 90.26%，靈敏度也高達 92.16%，特異性為 83.42%，曲線下面積（AUC）則達到 0.93。

Arslan Munir 博士表示，量子機器學習（Quantum Machine Learning，一種運用量子電腦原理來處理數據、解決複雜問題並從中學習的技術）能夠成為醫療分析領域的強大新典範。他指出，透過利用量子特徵表示和量子增強分類器，研究團隊能更有效地建模臨床數據中錯綜複雜的關係，進而實現高度準確的心臟病預測。Munir 博士認為，隨著量子技術日趨成熟，它有潛力徹底改變疾病的診斷方式、個人化治療方案，並支援臨床決策。

佛羅里達大西洋大學工程與電腦科學學院院長 Stella Batalama 博士也強調，這項工作展現了量子計算在推動醫療和醫學進步方面的巨大潛力。她提到，佛羅里達大西洋大學正大力投資量子計算基礎設施，該學院也正積極建立相關師資專業和研究能力。Batalama 博士認為，Arslan Munir 博士的研究是該校教職員探索量子計算、人工智慧和醫療保健交叉領域的絕佳範例，同時也反映了學校致力於強化量子研究與教育的承諾。

研究團隊預期，量子增強診斷系統最終將能幫助醫師分析複雜的醫學數據集、更早識別疾病風險，並支援個人化的治療計畫。這項研究為未來由新一代量子技術驅動的臨床應用奠定了基礎。