基于深度學習框架快速準確預(yù)測心力衰竭

西奈山研究人員發(fā)明了一種新的人工智能技術(shù)，可以識別心臟內(nèi)的微小變化，并準確預(yù)測心力衰竭。最近，在美國心臟病學院雜志：心血管成像的發(fā)布中，這項研究可以更快地診斷和早期檢測充血性心力衰竭，幫助醫(yī)生更有效地治療患者并減緩疾病進展。

“我們證明，深度學習算法可以從 ECG 波形數(shù)據(jù)中識別心臟兩側(cè)的血液泵送問題。通常，診斷這些類型的心臟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?！辟Y深作者 Benjamin S 。 Glicksberg 是西奈山遺傳學和基因組科學的助理教授，他在一份新聞稿報告中說。

作為 65 歲以上住院患者最常見的診斷，美國有 600 多萬人患有充血性心力衰竭。當心臟無法有效地將血液泵入全身時，就會出現(xiàn)這種情況，血液回流到心臟的速度比泵出的速度快，從而造成充血。隨著身體的補償和疾病的進展，會出現(xiàn)一些副作用，如心臟增大、腎衰竭、心悸和器官氧合不足。

在診斷心臟病時，醫(yī)生通常使用心電圖測量心跳和心電活動，同時使用超聲心動圖測量詳細的心臟圖像。然而，診斷心力衰竭需要專業(yè)知識，特殊設(shè)備并不總是現(xiàn)成的，而且可能很耗時。

通常情況下， ele CTR 心圖變化對人眼來說也太微妙，無法檢測到，導致診斷延遲。

先前的研究已經(jīng)開發(fā)出人工智能算法，用于檢測左心室（將含氧血液推入體內(nèi)的一側(cè)）的弱點。然而，到目前為止，還不存在評估右心室功能的工具，這種工具可以將脫氧血液從身體輸送到肺部，從而導致對患者整個心臟功能的概述不完整。

研究人員致力于創(chuàng)建一個評估左心室和右心室功能的深度學習框架。研究小組使用自然語言處理技術(shù)訓練計算機閱讀和處理書面報告，并對148227名患者的超聲心動圖和心電圖進行相關(guān)分析。研究人員利用來自西奈山衛(wèi)生系統(tǒng)四家不同醫(yī)院的70多萬份超聲心動圖和電子心電圖報告，訓練神經(jīng)網(wǎng)絡(luò)以發(fā)現(xiàn)模式并識別泵送強度。來自第五家醫(yī)院的數(shù)據(jù)用于測試該算法。

模型在符合 HIPAA 的 NVIDIA GPU – 加速 Azure 云虛擬機上進行訓練，虛擬機帶有 NVIDIA V100 張量核 GPU。

該算法以 94% 的準確率預(yù)測了哪些患者的左心室功能正常，并在 87% 的時間內(nèi)識別出左心室功能較弱的患者。右心室功能更難預(yù)測，該算法在預(yù)測哪些患者右心室瓣膜功能較弱時的準確率達到 84% 。

Glicksberg 說：“我們的研究結(jié)果表明，該算法可能是幫助臨床工作者對抗各種患者心力衰竭的有用工具。”。“我們正在仔細設(shè)計前瞻性試驗，以在更真實的環(huán)境中測試其有效性?！?/p>

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷