西奈山伊坎医学院的研究人员开发了一种心电图读取算法,可以检测心力衰竭的细微迹象
信用:位于北西奈山的格列克斯堡和纳德卡尼实验室
Y
,N
Y
西奈山研究人员创建的一种基于人工智能的特殊计算机算法能够学习如何识别心电图(也称为心电图或心电图)中的细微变化,以预测患者是否患有心力衰竭
本杰明·S说:“我们表明,深度学习算法可以从心电图波形数据中识别心脏两侧的血液泵送问题。”
格利克斯伯格博士
D
,遗传学和基因组学助理教授,西奈山哈索·普拉特纳数字健康研究所成员,该研究的高级作者发表在《美国心脏病学院杂志:心血管成像》上
“通常,诊断这些类型的心脏状况需要昂贵且耗时的程序
我们希望这种算法能够更快地诊断心力衰竭
" 这项研究由医学博士阿基尔·瓦伊德领导,他是一名博士后学者,在格利克斯伯格实验室和吉里什·恩领导的实验室工作
CPH,医学博士,医学博士,西奈山伊坎医学院副教授,数据驱动和数字医学(D3M)部主任,该研究的资深作者
影响大约6
200万美国人,当心脏泵出的血液少于身体正常需要时,就会发生心力衰竭或充血性心力衰竭
多年来,医生一直严重依赖一种叫做超声心动图的成像技术来评估病人是否可能出现心力衰竭
虽然超声心动图有帮助,但它可能是劳动密集型的程序,只有在特定的医院提供
然而,人工智能最近的突破表明,心电图——一种广泛使用的电记录设备——在这些情况下可能是一种快速且容易获得的替代方法
例如,许多研究显示了“深度学习”算法如何检测心脏左心室的虚弱,左心室将新鲜充氧的血液排出体外
在这项研究中,研究人员描述了一种算法的发展,该算法不仅评估左心室的强度,还评估右心室的强度,右心室接受从身体流入的脱氧血液,并将其泵送到肺部
“尽管很有吸引力,但传统上医生使用心电图诊断心力衰竭一直很有挑战性
这部分是因为这些评估没有既定的诊断标准,也因为心电图读数的一些变化太过细微,人眼无法察觉
卡尼
“这项研究代表着在发现隐藏在心电图数据中的信息方面向前迈出了令人兴奋的一步,这可以通过使用相对简单且广泛可用的测试来实现更好的筛查和治疗
" 通常,心电图包括两个步骤
导线被绑在病人胸部的不同部位,几分钟之内,一台特别设计的便携式机器就会打印出一系列曲线或波形,代表心脏的电活动
这些机器可以在美国的大多数医院和救护车上找到,并且只需要很少的培训就能操作
在这项研究中,研究人员编写了一台计算机,读取患者心电图以及从书面报告中提取的数据,这些书面报告总结了来自同一患者的cor反应超声心动图的结果
在这种情况下,书面报告作为一套标准的数据,供计算机与心电图数据进行比较,并学习如何发现较弱的心脏
自然语言处理程序帮助计算机从书面报告中提取数据
同时,特殊的神经网络能够发现图像中的模式,帮助算法学习识别泵送强度
“我们希望通过开发能够轻松、廉价地理解整个心脏的人工智能来推动这项技术的发展,”博士说
印度阿育吠陀医师
计算机随后读取了2003年至2020年间从15万名西奈山卫生系统患者那里获得的70多万份心电图和超声心动图报告
来自四家医院的数据被用来训练计算机,而来自第五家医院的数据被用来测试该算法在不同实验环境下的表现
“这项研究的一个潜在优势是,它涉及了世界上最多样化的患者群体中最大的心电图集合之一,”博士说
卡尼
初步结果表明,该算法在预测哪些患者左心室健康或非常虚弱方面是有效的
这里强度由左心室射血分数定义,左心室射血分数是在超声心动图上观察到的每一次搏动中心室泵出的液体量的估计值
健康心脏的射血分数为50%或更高,而虚弱心脏的射血分数等于或低于40%
该算法在预测哪些患者的射血分数健康方面有94%的准确性,在预测射血分数低于40%的患者方面有87%的准确性
然而,该算法在预测哪些患者的心脏会轻微衰弱方面并不那么有效
在这种情况下,该程序在预测射血分数在40%至50%之间的患者方面有73%的准确性
进一步的结果表明,该算法还学会了从心电图中检测右瓣膜弱点
在这种情况下,从超声心动图报告中提取更具描述性的术语来定义虚弱
在这里,该算法在预测哪些患者右瓣膜薄弱方面有84%的准确性
“我们的结果表明,这种算法可能最终帮助医生正确诊断心脏两侧的衰竭,”Dr
Vaid说
最后,额外的分析表明,该算法可以有效地检测所有患者的心脏衰弱,而不管种族和性别
“我们的结果表明,这种算法可能是一个有用的工具,帮助临床医生对抗各种患者遭受的心力衰竭,”博士补充说
格莱斯伯格
“我们正在仔细设计前瞻性试验,以在更真实的环境中测试其有效性
"
来源:由phyica.com整理转载自PH,转载请保留出处和链接!