量子科技中心_量科网

近年来，量子机器学习作为量子物理学与人工智能交叉领域的前沿方向，在健康医疗等需要高级模式识别的应用场景中展现出巨大潜力。本研究探讨了量子支持向量机（QSVM）的效能——该算法通过叠加态和量子纠缠等量子力学现象构建高维希尔伯特空间以实现数据分类。聚焦肺癌诊断这一关键医疗应用场景，研究人员系统分析了不同量子特征映射对分类性能的影响。 基于309份存在显著类别不平衡（39例非癌症患者与270例癌症患者）的真实临床病例数据，该工作构建了6个均衡子数据集进行稳健评估。采用Qiskit工具包实施的QSVM模型在qasm模拟器上运行，测试了ZFeatureMap、ZZFeatureMap和PauliFeatureMap三种量子特征映射。评估指标涵盖准确率、精确率、召回率、特异性及F1分数。结果表明PauliFeatureMap性能持续领先，在三个子集中实现完美分类，整体表现优异。这些发现印证了量子计算原理在增强诊断能力方面的价值，凸显了基于物理原理的建模方法在医疗人工智能新兴应用中的重要意义。