心力衰竭和人工智能：自学习算法检测心电图不可见的迹象
心力衰竭和人工智能：西奈山研究人员创建的一种基于人工智能 (AI) 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）的细微变化，以预测患者是否正在经历心力衰竭
自学习算法识别心力衰竭问题
“我们表明，深度学习算法可以从 ECG 波形数据中识别出心脏两侧的血液泵送问题，”遗传学和基因组科学助理教授、Hasso Plattner 数字研究所成员 Benjamin S. Glicksberg 博士说西奈山的健康，该研究的资深作者发表在《美国心脏病学会杂志：心血管成像》上。
“通常，诊断这些类型的心脏病需要昂贵且耗时的程序。
我们希望该算法能够更快地诊断出心力衰竭。”
该研究由医学博士 Akhil Vaid 领导，他是 Glicksberg 实验室的博士后学者 Girish N. Nadkarni，医学博士，公共卫生硕士，CPH，西奈山伊坎医学院医学副教授，医学部主任数据驱动和数字医学（D3M），以及该研究的资深作者。
影响约 6.2 万美国人的心力衰竭或充血性心力衰竭，当心脏泵出的血液少于身体正常需要时就会发生
多年来，医生严重依赖一种称为超声心动图的成像技术来评估患者是否可能正在经历心力衰竭。
虽然有用，但超声心动图可能是劳动密集型程序，仅在特定医院提供。
然而，人工智能最近的突破表明，心电图——一种广泛使用的电子记录设备——在这些情况下可能是一种快速且容易获得的替代方案。
例如，许多研究表明，“深度学习”算法可以检测心脏左心室的弱点，将新鲜的含氧血液推向身体的其他部位。
在这项研究中，研究人员描述了一种算法的开发，该算法不仅可以评估左心室的强度，还可以评估右心室的强度，该算法可以将脱氧的血液从体内流出并将其泵送到肺部。
“虽然很有吸引力，但传统上医生使用心电图来诊断心力衰竭一直具有挑战性。
这部分是因为这些评估没有既定的诊断标准，而且心电图读数的一些变化对于人眼来说太微妙了，“Nadkarni 博士说。
“这项研究代表了在发现隐藏在心电图数据中的信息方面向前迈出的令人兴奋的一步，这可以使用相对简单且广泛可用的测试导致更好的筛查和治疗范例。”
通常，心电图包括两步过程。
导线被贴在病人胸部的不同部位，几分钟内，一台专门设计的便携式机器就会打印出一系列代表心脏电活动的波浪线或波形。
这些机器可以在大多数医院和 救护车 遍及美国，只需要很少的培训即可操作。
在这项研究中，研究人员对计算机进行了编程，以读取患者心电图以及从书面报告中提取的数据，这些数据总结了从同一患者身上采集的相应超声心动图的结果。
在这种情况下，书面报告充当计算机的标准数据集，用于与心电图数据进行比较，并学习如何发现较弱的心脏。
心力衰竭：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，结合了能够发现图像模式的特殊神经网络，以帮助算法学习识别泵送强度。
“我们希望通过开发能够轻松且廉价地了解整个心脏的人工智能来推动最先进的技术，”Vaid 博士说。
然后，计算机读取了 700,000 年至 150,000 年从 2003 名西奈山卫生系统患者获得的超过 2020 份心电图和超声心动图报告。
来自四家医院的数据用于训练计算机，而来自第五家医院的数据用于测试算法在不同实验环境中的表现。
“这项研究的一个潜在优势是它涉及来自世界上最多样化的患者群体之一的最大的 ECG 集合之一，”Nadkarni 博士说。
初步结果表明，该算法可有效预测哪些患者的左心室健康或非常弱。
这里的强度是由左心室射血分数定义的，这是在超声心动图上观察到的每次心跳时心室泵出多少液体的估计值。
健康心脏的射血分数为 50% 或更高，而弱心脏的射血分数等于或低于 40%。
该算法在预测哪些患者射血分数健康方面的准确率为 94%，在预测射血分数低于 87% 的患者方面准确率为 40%。
心脏保护和心肺复苏？ 立即参观 EMD112 展位以了解更多信息
然而，该算法在预测哪些患者的心脏会略微减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 73% 到 40% 之间的患者方面的准确率为 50%。
进一步的结果表明，该算法还学会了从心电图检测右侧瓣膜的弱点。
在这种情况下，弱点是通过从超声心动图报告中提取的更具描述性的术语来定义的。
在这里，该算法在预测哪些患者右瓣较弱方面的准确率为 84%。
“我们的结果表明，该算法最终可能会帮助医生正确诊断心脏两侧的衰竭，”Vaid 博士说。
最后，额外的分析表明，该算法可能有效检测所有患者的心脏无力，而不论种族和性别。
“我们的结果表明，该算法可能是一种有用的工具，可以帮助临床从业者对抗各种患者的心力衰竭，”格利克斯堡博士补充道。 “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。”
这项研究得到了美国国立卫生研究院 (TR001433) 的支持。
文章
Vaid, A. 等人，使用深度学习算法从心电图同时识别左右心室功能障碍，美国心脏病学会杂志：心血管成像，13 年 2021 月 10.1016 日，DOI：2021.08.004/j.jcmg.XNUMX .XNUMX。