A 12导联心电图显示房颤，每分钟约150次
信用:詹姆斯海尔曼，医学博士/维基百科/抄送BY-SA 3
0 心房纤维性颤动——一种不规则且通常快速的心率——是一种常见的疾病，通常会导致心脏内形成凝块，这些凝块会移动到大脑导致中风
正如在《循环》杂志上发表的一项研究中所描述的那样，由麻省总医院(MGH)和麻省理工学院与哈佛大学的布罗德研究所领导的一个团队开发了一种基于人工智能的方法，用于识别有患房颤风险的患者，从而受益于预防措施
研究人员开发了一种基于人工智能的方法，根据心电图(记录心脏电信号的无创检测)的结果，预测未来五年内在MGH接受初级保健的45，770名患者中发生房颤的风险
接下来，科学家们将他们的方法应用于三个大型数据集，这些数据集来自包括83，162名个体的研究
基于人工智能的方法可独立预测房颤风险，当与已知的临床风险因素结合预测房颤时，该方法具有协同作用
这种方法在个体亚群中也有很高的预测性，例如那些既往有心力衰竭或中风的个体
资深作者史蒂文·A说:“我们看到了基于心电图的人工智能算法在帮助识别房颤高危个体方面的作用。”
MGH的心脏电生理学家，布罗德研究所的准成员
MGH大学电生理学临床和研究研究员，医学博士Shaan Khurshid补充道:“这种算法的应用可以促使临床医生修改房颤的重要风险因素，从而降低整个疾病的风险
" 卢比茨补充说，该算法可以作为一种形式的预筛选工具，用于目前可能正在经历未检测到的心房纤维性颤动的患者，促使临床医生使用更长期的心律监测器来搜索心房纤维性颤动，这反过来可能导致中风预防措施
这项研究的发现也证明了人工智能推进医学的潜在力量——在这种情况下，人工智能涉及一种叫做机器学习的特定类型
合著者、医学博士安东尼·菲利帕基斯(Anthony Philippakis)博士说:“随着数据科学技术的爆炸式发展和大量临床数据的出现，机器学习有望帮助临床医生和研究人员在加强心脏病学护理方面取得长足进步。”
D
布罗德研究所首席数据官、该研究所埃里克和温迪·施密特中心联合主任
“作为一名数据科学家和前心脏病专家，我很高兴看到基于机器学习的方法如何与我们每天使用的测试和临床方法相结合，帮助我们改善风险预测和照顾房颤患者
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
