心力衰竭和人工智能：自學習算法檢測心電圖不可見的跡象
心力衰竭和人工智能：西奈山研究人員創建的一種基於人工智能 (AI) 的特殊計算機算法能夠學習如何識別心電圖（也稱為 ECG 或 EKG）的細微變化，以預測患者是否患有心力衰竭
自學習算法識別心力衰竭問題
“我們證明深度學習算法可以從心電圖波形數據中識別心臟兩側的血液泵送問題，”哈索·普拉特納數字研究所成員、遺傳學和基因組科學助理教授 Benjamin S. Glicksberg 博士說。西奈山健康中心是該研究的資深作者，該研究發表在《美國心髒病學會雜誌：心血管成像》上。
“通常，診斷此類心髒病需要昂貴且耗時的程序。
我們希望該算法能夠更快地診斷心力衰竭。”
該研究由在 Glicksberg 實驗室工作的博士後學者 Akhil Vaid 領導。 Girish N. Nadkarni 醫學博士、公共衛生碩士、註冊公共衛生醫師、西奈山伊坎醫學院醫學副教授數據驅動和數字醫學（D3M），也是該研究的資深作者。
當心臟泵出的血液少於身體正常需要時，就會發生心力衰竭或充血性心力衰竭，影響約 6.2 萬美國人
多年來，醫生一直嚴重依賴一種稱為超聲心動圖的成像技術來評估患者是否可能患有心力衰竭。
雖然超聲心動圖有幫助，但它可能是一項勞動密集型手術，僅在部分醫院提供。
然而，人工智能最近的突破表明，心電圖（一種廣泛使用的電子記錄設備）在這些情況下可能是一種快速且易於使用的替代方案。
例如，許多研究表明“深度學習”算法如何能夠檢測心臟左心室的弱點，左心室將新鮮的含氧血液推向身體的其他部位。
在這項研究中，研究人員描述了一種算法的開發，該算法不僅可以評估左心室的強度，還可以評估右心室的強度，右心室吸收從身體流入的脫氧血液並將其泵送到肺部。
“雖然很有吸引力，但傳統上，醫生使用心電圖診斷心力衰竭一直是一個挑戰。
部分原因是這些評估沒有既定的診斷標準，而且心電圖讀數的一些變化對於人眼來說太細微而無法察覺，”Nadkarni 博士說。
“這項研究代表著在尋找心電圖數據中隱藏的信息方面向前邁出了令人興奮的一步，這可以使用相對簡單且廣泛使用的測試來實現更好的篩查和治療範例。”
通常，心電圖涉及兩個步驟的過程。
將導線粘貼到患者胸部的不同部位，幾分鐘內，專門設計的便攜式機器就會打印出一系列代表心臟電活動的波浪線或波形。
大多數醫院都可以找到這些機器 救護車 遍布美國各地，只需最少的培訓即可操作。
在這項研究中，研究人員編寫了一台計算機來讀取患者心電圖以及從書面報告中提取的數據，總結來自同一患者的相應超聲心動圖結果。
在這種情況下，書面報告充當計算機的標準數據集，與心電圖數據進行比較，並學習如何發現較弱的心臟。
心力衰竭：自然語言處理程序幫助計算機從書面報告中提取數據
同時，結合了能夠發現圖像模式的特殊神經網絡，以幫助算法學習識別泵送強度。
“我們希望通過開發能夠輕鬆且廉價地理解整個心臟的人工智能來推動最先進的技術，”Vaid 博士說。
然後，計算機讀取了 700,000 年至 150,000 年間從西奈山醫療系統 2003 萬名患者獲得的超過 2020 萬份心電圖和超聲心動圖報告。
來自四家醫院的數據用於訓練計算機，而來自第五家醫院的數據用於測試算法在不同實驗環境中的表現。
“這項研究的一個潛在優勢是，它涉及來自世界上最多樣化的患者群體之一的最大的心電圖集合之一，”納德卡尼博士說。
初步結果表明，該算法可以有效預測哪些患者的左心室健康或非常弱。
這裡的強度是由左心室射血分數定義的，左心室射血分數是根據超聲心動圖觀察到的心室每次搏動泵出液體量的估計值。
健康心臟的射血分數為 50% 或更高，而虛弱心臟的射血分數等於或低於 40%。
該算法在預測哪些患者射血分數健康時的準確率為 94%，在預測射血分數低於 87% 的患者時準確率為 40%。
心臟保護和心肺復蘇？ 立即參觀 EMD112 展位以了解更多信息
然而，該算法在預測哪些患者的心臟輕微衰弱方面並不那麼有效
在這種情況下，該程序在預測射血分數在 73% 到 40% 之間的患者方面的準確率為 50%。
進一步的結果表明，該算法還學會了從心電圖中檢測右瓣膜的弱點。
在這種情況下，弱點是通過從超聲心動圖報告中提取的更具描述性的術語來定義的。
該算法在預測哪些患者右瓣膜薄弱方面的準確率為 84%。
“我們的結果表明，這種算法最終可能會幫助醫生正確診斷心臟兩側的衰竭，”瓦伊德博士說。
最後，額外的分析表明，該算法可能可以有效地檢測所有患者的心臟虛弱，無論種族和性別如何。
“我們的結果表明，該算法可能成為幫助臨床醫生對抗各種患者心力衰竭的有用工具，”Glicksberg 博士補充道。 “我們正在仔細設計前瞻性試驗，以在更真實的環境中測試其有效性。”
這項研究得到了美國國立衛生研究院 (TR001433) 的支持。
文章
Vaid, A. 等人，使用深度學習算法從心電圖中同時識別左右心室功能障礙，美國心髒病學會雜誌：心血管影像，13 年 2021 月 10.1016 日，DOI：2021.08.004/j.jcmg.XNUMX .XNUMX.