加州大学洛杉矶分校的新研究表明，一种被称为“因果林”的新型机器学习技术比目前治疗高血压患者的临床实践效率高出约五倍。

根据目前的实践，医生治疗高血压患者的假设是，处于不良后果和疾病死亡风险最高的人群从降低血压中获益最多。

然而，近年来，机器学习在如何根据个人特征预测高血压导致的不良健康结果方面取得了进展，这使临床医生能够检查干预措施的效果在多大程度上因人而异，从而量身定制根据患者的需要进行治疗。

主要作者 Kosuke Inoue 博士说，研究人员使用一种称为“因果森林”的技术发现，心血管疾病风险最高的人，例如患有高血压或高血压的人，并不总是从强化压力控制中获益最多，他在加州大学洛杉矶分校菲尔丁公共卫生学院攻读流行病学研究生时进行了这项研究，现在是京都大学社会流行病学副教授。

“我们发现大量没有高血压的人受益于降低血压，”他说。“通过应用因果林方法，我们发现治疗具有高估计收益的个体比传统的高风险方法提供更好的人群健康结果。”

该研究发表在同行评审的国际流行病学杂志上。

因果林是一种机器学习算法，它根据人的特征估计干预对结果的影响，从而允许个性化预测每个人将如何从给定治疗中受益。

现在的标准做法是治疗所有有不良健康后果高风险的人，例如高血压患者中风，选择不一定对每个人都有好处——例如，一些高血压患者可能无法从血液中受益降压药物，因为它们可能有其他潜在的健康问题，这些问题是心血管疾病(如糖尿病)的更重要的危险因素。