AI预测心脏病比医生预测更准确

近来，Mayo Clinic的一项研讨显现，经过AI技能剖析心电图能够精确筛查出前期无症状左心室功用妨碍症，精确性要高于其他常见的筛查手法。与此同时，美国斯坦福大学的一项研讨也证明了AI技能在心脏范畴的优势，经过剖析监测设备发生的心电数据，能够确诊出10种不同类型的心律失常病症，精确性乃至一度超过了心内科医师的确诊。

在正常情况下，血液由左心房流向左心室，左心室担任将含氧血液推入动脉，送往全身各器官，保持人体机能代谢。但当左心室功用呈现妨碍时，心脏排血量将不足以保持全身代谢的需求。患者通常会呈现呼吸短暂、双下肢水肿等症状。

但是，会有3％~6％的人不会呈现任何症状，他们即患有无症状左心室功用妨碍症，这是一种心力衰竭前兆的体现。这种疾病不只会下降患者的日子质量，还会影响寿数。尽管这种心脏疾病在确诊后能够得到有用医治，但现在尚无廉价、无创、无痛的筛查东西供医师确诊运用。

研讨发现，丈量B型利钠肽（B-type natriuretic peptide，BNP）水平是筛查无症状左心室功用妨碍的最佳办法，但BNP的成果精确率不高，并且测验时需求抽血。而常见的确诊办法，如超声心动图、CT或MRI等，价格昂贵且精确率也不高。

相较于以上办法而言，心电图则是一种更遍及、价格更低价的检测手法。Mayo Clinic中西部心血管医学部主席Paul Friedman以为：“用人工智能对心电图进行数字化处理，能够提取躲藏的心脏病新信息。这种办法简略实惠，关于心脏疾病的确诊及医治具有重要意义。”

研讨人员以为，经过恰当练习的神经网络能够在心电图中精确地检测出无症状左心室功用妨碍。研讨人员创立一个神经网络，从诊所数据中筛选出62.5万对匹配的心电图和超声心动图，用其对该神经网络进行练习、验证和测验。

成果表明，AI应用于规范心电图剖析的敏感性可达95.6%，特异性达92.4％，而心内科专家确诊的敏感性和特异性分别为86％和85％。因而AI能够可靠地检测出无症状左心室功用妨碍，且精确性优于其他常见的筛查东西。

Paul Friedman指出：“这种筛查手法不只能辨认出无症状左心室功用妨碍，因为AI能够辨认出前期纤细的心电图改变，因而AI技能还能猜测未来患病的危险。”

与此同时，斯坦福大学也尝试了将心电图和AI结合，这次他们瞄准的是心律失常的确诊。研讨人员从心电监测设备中采集了53万余名患者的9.1万多条心电图数据样本。经过一种AI算法来检测和辨认10种不同类型的心律失常，还练习AI算法辨认这10种不同类型的心律失常，将正常窦性心律和能添加心律失常发病率的噪音区分隔。

经过与心内科专家剖析的成果进行比较，发现AI具有90％的特异性和敏感性，而心内科专家的特异性和敏感性分别为75％和78％。成果表明深度神经网络模型确诊心律失常的精确度超过了医师的精确度。

研讨小组表明，这并不代表人工智能要替代医师的作用，而是要让医师将时刻和精力会集在拟定医疗计划上，这或许能削减一些冗杂的作业流程问题，取得更好的作用。