智能系統(tǒng)預測心臟病比醫(yī)生預測的更準確

Mayo Clinic的一項研究顯示，通過AI技術(shù)分析心電圖能夠準確篩查出早期無癥狀左心室功能障礙癥，準確性要高于其他常見的篩查手段。與此同時，美國斯坦福大學的一項研究也證實了AI技術(shù)在心臟領(lǐng)域的優(yōu)勢，通過分析監(jiān)測設(shè)備產(chǎn)生的心電數(shù)據(jù)，能夠診斷出10種不同類型的心律失常病癥，準確性甚至一度超過了心內(nèi)科醫(yī)生的診斷。

在正常情況下，血液由左心房流向左心室，左心室負責將含氧血液推入動脈，送往全身各器官，維持人體機能代謝。但當左心室功能出現(xiàn)障礙時，心臟排血量將不足以維持全身代謝的需要?；颊咄ǔ霈F(xiàn)呼吸短促、雙下肢水腫等癥狀。

然而，會有3％~6％的人不會出現(xiàn)任何癥狀，他們即患有無癥狀左心室功能障礙癥，這是一種心力衰竭先兆的表現(xiàn)。這種疾病不僅會降低患者的生活質(zhì)量，還會影響壽命。雖然這種心臟疾病在確診后可以得到有效治療，但目前尚無廉價、無創(chuàng)、無痛的篩查工具供醫(yī)生診斷使用。

研究發(fā)現(xiàn)，測量B型利鈉肽（B-type natriuretic peptide，BNP）水平是篩查無癥狀左心室功能障礙的最佳方式，但BNP的結(jié)果準確率不高，而且測試時需要抽血。而常見的診斷方法，如超聲心動圖、CT或MRI等，價格昂貴且準確率也不高。

相較于以上方式而言，心電圖則是一種更普及、價格更低廉的檢測手段。Mayo Clinic中西部心血管醫(yī)學部主席Paul Friedman認為：“用人工智能對心電圖進行數(shù)字化處理，能夠提取隱藏的心臟病新信息。這種方式簡單實惠，對于心臟疾病的診斷及治療具有重要意義。”

研究人員認為，通過適當訓練的神經(jīng)網(wǎng)絡可以在心電圖中精確地檢測出無癥狀左心室功能障礙。研究人員創(chuàng)建一個神經(jīng)網(wǎng)絡，從診所數(shù)據(jù)中篩選出62.5萬對匹配的心電圖和超聲心動圖，用其對該神經(jīng)網(wǎng)絡進行訓練、驗證和測試。

結(jié)果表明，AI應用于標準心電圖分析的敏感性可達95.6%，特異性達92.4％，而心內(nèi)科專家診斷的敏感性和特異性分別為86％和85％。因此AI能夠可靠地檢測出無癥狀左心室功能障礙，且準確性優(yōu)于其他常見的篩查工具。Paul Friedman指出：“這種篩查手段不僅能識別出無癥狀左心室功能障礙，由于AI可以識別出早期細微的心電圖變化，因此AI技術(shù)還能預測未來患病的風險。”

與此同時，斯坦福大學也嘗試了將心電圖和AI結(jié)合，這次他們瞄準的是心律失常的診斷。研究人員從心電監(jiān)測設(shè)備中采集了53萬余名患者的9.1萬多條心電圖數(shù)據(jù)樣本。通過一種AI算法來檢測和識別10種不同類型的心律失常，還訓練AI算法識別這10種不同類型的心律失常，將正常竇性心律和能增加心律失常發(fā)病率的噪音區(qū)分開。

通過與心內(nèi)科專家分析的結(jié)果進行比較，發(fā)現(xiàn)AI具有90％的特異性和敏感性，而心內(nèi)科專家的特異性和敏感性分別為75％和78％。結(jié)果表明深度神經(jīng)網(wǎng)絡模型診斷心律失常的準確度超過了醫(yī)生的準確度。