自学习算法可以预测心力衰竭

一种新的基于人工智能（AI）的计算机算法可以识别心电图（ECG）中的微妙变化，从而预测个体是否正在经历心力衰竭。该算法是在西奈山医院开发的，研究结果发表在《美国心脏病学院杂志：心血管成像》上。

本杰明·S·格利克斯伯格（Benjamin S. Glicksberg）博士是遗传学和基因组学助理教授，西奈山数字健康研究所成员，也是该研究的高级作者。

“我们展示了深度学习算法可以从ECG波形数据中识别心脏两侧的血液泵送问题，”格利克斯伯格说。“通常，诊断这类心脏病需要昂贵且耗时的程序。我们希望这个算法能够实现心力衰竭的更快诊断。”

人工智能带来的新机遇

医生们传统上使用超声心动图，这是一种成像技术，来评估患者是否正在经历心力衰竭。然而，这些程序劳动密集且只在一些医院提供。

人工智能在这方面带来了新的机遇，研究表明心电图可能是一种有效的替代方法。最近的研究表明，深度学习算法可以检测心脏左心室的弱点。来自西奈山的新研究描述了一个评估左心室和右心室强度的算法的开发。

吉里什·N·纳德卡尼（Girish N. Nadkarni）博士是西奈山医学院的医学副教授，数据驱动和数字医学部门（D4M）的主任，也是该研究的高级作者。

“尽管很有吸引力，但传统上医生们很难使用心电图来诊断心力衰竭。这部分是因为没有既定的诊断标准，而且一些心电图读数的变化对于人类眼睛来说太微妙了，”纳德卡尼博士说。“这项研究代表着一个令人兴奋的进步，发现了心电图数据中的隐藏信息，这可以带来更好的筛查和治疗范式，使用一种相对简单且广泛可用的测试。”

编程和测试机器

研究人员编程了一台计算机来读取患者的心电图和从书面报告中提取的数据，后者作为计算机比较的标准数据集。这使得计算机能够识别较弱的心脏。

使用自然语言处理（NLP）程序，计算机可以从书面文字中提取这些数据。同时，神经网络可以发现图像中的模式，这些模式可以被纳入算法中，以帮助它识别泵送强度。

“我们希望通过开发能够轻松且廉价地理解整个心脏的AI来推动这项技术的发展，”维德博士说。

机器分析了来自四家不同的医院的70万份心电图和超声心动图报告。第五家医院被用来测试算法在不同实验环境下的性能。

“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人群之一的最大的心电图集合，”纳德卡尼博士说。

算法展示了预测哪些患者具有健康或较弱的左心室的有效能力，并且它在预测哪些患者具有健康的射血分数方面的准确率为94％，射血分数表示心室每次跳动时泵出的液体量。算法还在预测那些射血分数低于40％的患者方面的准确率为87％。

仍需要改进的领域之一是预测哪些患者具有略微较弱的心脏。算法仅在预测那些射血分数在40％至50％之间的患者方面的准确率为73％。

算法还可以从心电图中检测到右侧心脏瓣膜的弱点，准确率为84％，预测哪些患者具有较弱的右侧心脏瓣膜。

“我们的结果表明，该算法可能最终有助于医生正确诊断心脏两侧的衰竭，”维德博士说。

这项研究的另一个重要方面是，它表明人工智能可以有效地检测所有患者的心脏弱点，无论其种族和性别如何。

“我们的结果表明，该算法可能成为帮助临床医生对抗心力衰竭的有用工具，心力衰竭影响着各种患者，”格利克斯伯格博士补充说。“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。”