来自Cedars-Sinai的Smidt心脏研究所的研究人员创造了一种人工智能工具来帮助识别肥厚性心肌病和心脏淀粉样变性。
他们在JAMACardiology上发表的一项研究中概述了他们的发现，可以更容易地检测和治疗心脏病。
Smidt心脏研究所心脏病专家、该研究的资深作者DavidOuyang博士说：“即使是专业的心脏病专家也很难准确识别这两种心脏病，因此患者通常会持续数年至数十年才能得到正确的诊断。”，在一份声明中。
“我们的人工智能算法可以查明肉眼看不到的疾病模式，然后使用这些模式来预测正确的诊断，”他说。
为什么重要
该研究还由斯坦福大学计算机科学系和伦敦帝国理工学院的研究人员撰写，旨在检验深度学习是否可用于自动测量左心室尺寸，从而标记可能从额外筛查中受益的患者。
作者使用来自斯坦福的独立超声心动图视频、Cedars-Sinai和UnityImagingCollaborative（来自ICL的开放访问数据集）对算法进行了训练和测试。
当应用于34,多张临床图像时，该算法识别出与心壁厚度和心腔大小相关的特征，以引起对某些可能患有心脏病的患者的注意。
“该算法比临床专家训练有素的眼睛更准确地识别出高危患者，”欧阳说。
“这是因为该算法在超声视频中提取了细微的线索，这些线索在初步审查时可以区分通常看起来与更良性的疾病非常相似的心脏病，以及彼此之间的差异，”他继续说道。
肥厚型心肌病（导致心肌增厚和变硬）和心脏淀粉样变性（由心脏组织中异常蛋白质的沉积引起）在心电图上看起来非常相似。
然而，治疗方法差异很大。
此外，正如研究人员指出的那样，这两种疾病在早期也可能看起来像一颗未患病的心脏。
除了算法和数据处理工作流程的代码外，科学家们还发布了他们的12,个去识别心电图视频的数据集，极大地拓宽了未来AI方法的图像可用性。
尽管如此，他们承认存在局限性，包括来自患者的可用训练图像中的潜在偏差。
“例如，尽管已知遗传性心脏淀粉样变性对美国黑人个体的影响不成比例，但他们在研究队列中的代表性不足，必须注意推断深度学习算法在具有不同人口特征的人群中的表现，”他们说。
此外，他们指出，该模型是根据学术医疗中心的超声专家获得的视频进行训练的。
“随着护理点超声检查在非心脏病专家评估心脏功能方面的应用的扩大，需要进一步的工作来了解模型性能，输入视频质量和采集专业知识更多变，以及与其他成像方式进行比较，”他们在研究中写道。
更大的趋势
多年来，研究人员在诊断AI领域取得了令人振奋的进展。除了心脏病和心力衰竭，模型还被用于检测COVID-19和肺癌。
然而，也有潜在的不利因素。除了潜在的偏见之外，最近的一项研究表明，诊断性AI可能容易受到网络攻击。
记录在案
“人工智能在心脏病学中的应用在相对较短的时间内迅速而显着地发展，”Smidt心脏研究所心脏病学系健康老龄化研究所所长、高级合伙人SusanCheng博士说-该研究的作者，在一份声明中。
“这些跨越研究和临床护理的显着进步可以对我们患者的生活产生巨大影响，”她说。