量子科技中心_量科网

量子计算代表了计算能力的一次变革性飞跃，有望彻底改变包括医疗保健在内的多个领域。该研究探索了量子机器学习在医疗诊断中的应用，重点关注术后严重并发症吻合口瘘的预测。通过比较采用不同参数化函数（ansatz）的量子神经网络与经典分类方法（包括逻辑回归、支持向量机、多层感知器、朴素贝叶斯、近邻算法以及梯度提升和AdaBoost等集成方法），研究人员评估了这些方法在预测建模中的有效性。所有模型均在经典计算机上进行模拟训练与评估，未引入量子采样、噪声或其他量子相关误差。该团队采用交叉验证确保模型性能评估基于未见数据，从而最小化过拟合。鉴于临床识别真阳性的重要性，研究分析了最高灵敏度水平下的预测结果。在此灵敏度条件下，采用RealAmplitudes参数化函数的量子神经网络在阳性预测值、阴性预测值、特异性、Brier评分、对数损失及其他分类指标上均表现出最佳性能。这些发现凸显了量子机器学习在复杂医疗场景中提升预测准确性的潜力，同时印证了将量子计算融入医疗体系以实现更优诊断结果的前景。