据国外媒体报道，发表在《心脏》杂志上的一项研究发现，人工智能（AI）分支“机器学习”可以结合时间和天气数据，准确预测心脏突然停止跳动时院外心脏骤停的风险。机器学习是对计算机算法的研究，基于这样一种思想：系统可以从数据中学习和识别模式，以最少的干预为决策提供信息。
结果显示，周日、周一、公众假期以及几天内气温急剧下降时，心脏骤停的风险最高。
研究人员建议，这一信息可以作为市民的预警系统，降低市民的风险，提高市民的生存机会，完善应急医疗服务的准备工作。
院外心脏骤停在世界范围内非常常见，但通常与低存活率有关。风险还受到当时天气状况的影响。
来自日本的研究人员指出，虽然气象数据广泛而复杂，但机器学习有可能提取传统一维统计方法无法识别的相关性。为了进一步探索，他们利用每日天气（温度、相对湿度、降水量、降雪量、云量、风速和大气压力读数）和时间（年、季、一周中的特定日子、一天中的特定时间和公共假期）数据来评估机器学习预测院外心脏骤停的能力。
在2005年至2013年的1299784个案例中，研究人员将机器学习应用于525374个案例。在此过程中，机器使用天气或时间数据或两者来训练。然后，研究人员将研究结果与2014-2015年的135678例病例进行了对比，以检验该模型预测其他年份每日心脏骤停次数的准确性。
此外，另一组2016年1月至2018年12月神湖医院外心脏骤停的数据被用于“热像分析”，以了解该方法在当地的准确性。
在训练和测试数据集中，结合天气和时间数据可以最准确地预测院外心脏骤停。
研究预测，周日、周一、公众假期、冬季、低温和几天之内的气温骤降与心脏骤停之间的关系比仅凭天气或时间数据更为密切。
研究人员承认，除了神户外，他们没有关于心脏骤停位置的详细信息，也没有任何关于既往疾病的数据，这两种疾病都可能影响了研究结果。
但他们指出：“我们的日发病率预测模型广泛适用于发达国家的一般人群，因为研究规模大，而且使用的是整体气象数据。”
此外，他们还补充说：“这项研究中开发的方法可以作为一个新的预测分析模型的例子，可以应用于与危及生命的急性心血管疾病相关的其他临床结果。”
他们得出结论，这种预测模型有助于预防院外心脏骤停，并通过公共和紧急医疗服务的早期预警系统，在未来的高危日子改善患者的预后。
托马斯·杰斐逊大学悉尼金梅尔医学院的大卫·福斯特·盖斯基博士在一篇相关社论中表示同意。此外，他还表示，“这些预测可用于资源调配、调度和规划，使急救医疗服务系统、急诊复苏资源和心导管实验室工作人员了解并为未来几天的预期（病例）数量做好准备。”