耶魯心血管數(shù)據(jù)科學(xué) (CarDS) 實驗室的研究人員開發(fā)了一種基于人工智能 (AI) 的臨床診斷模型，該模型可以使用心電圖 (ECG) 圖像(無論格式或布局如何)來診斷多種心律和傳導(dǎo)障礙。
由心血管醫(yī)學(xué)助理教授 Rohan Khera 博士領(lǐng)導(dǎo)的團(tuán)隊從心電圖圖像中開發(fā)了一種新型的多標(biāo)簽自動診斷模型。ECG Dx 是來自 CarDS 實驗室的最新工具，旨在使基于 AI 的心電圖解釋可在遠(yuǎn)程設(shè)置中訪問。他們希望新技術(shù)提供一種改進(jìn)的方法來診斷關(guān)鍵的心臟疾病。該研究結(jié)果于 3 月 24 日發(fā)表在《自然通訊》上。
該研究的第一作者是耶魯大學(xué)計算機(jī)科學(xué)專業(yè)的 Veer Sangha。“我們的研究表明，圖像和信號模型在多個數(shù)據(jù)集上的臨床標(biāo)簽表現(xiàn)相當(dāng)，”Sangha 說。“我們的方法可以將人工智能的應(yīng)用擴(kuò)展到針對日益復(fù)雜的挑戰(zhàn)的臨床護(hù)理。”
隨著移動技術(shù)的進(jìn)步，患者越來越多地獲得心電圖圖像，這引發(fā)了關(guān)于如何將這些設(shè)備納入患者護(hù)理的新問題。在 Khera 的指導(dǎo)下，Sangha 在 CarDS 實驗室的研究分析了來自電子健康記錄的多模式輸入，以設(shè)計潛在的解決方案。
該模型基于從 2010 年至 2017 年期間在巴西接受護(hù)理的 150 萬多名患者的 200 萬份心電圖上收集的數(shù)據(jù)。六分之一的患者被診斷出患有節(jié)律紊亂。該工具通過多個國際數(shù)據(jù)源獨立驗證，從心電圖進(jìn)行臨床診斷具有很高的準(zhǔn)確性。
機(jī)器學(xué)習(xí) (ML) 方法，特別是那些使用深度學(xué)習(xí)的方法，已經(jīng)改變了自動診斷決策。對于心電圖，它們導(dǎo)致了允許臨床醫(yī)生發(fā)現(xiàn)隱藏或復(fù)雜模式的工具的開發(fā)。然而，深度學(xué)習(xí)工具使用基于信號的模型，根據(jù) Khera 的說法，這些模型尚未針對遠(yuǎn)程醫(yī)療保健環(huán)境進(jìn)行優(yōu)化?；趫D像的模型可以改進(jìn) ECG 的自動診斷。
使用基于 AI 的應(yīng)用程序時存在許多臨床和技術(shù)挑戰(zhàn)。
“當(dāng)前的 AI 工具依賴于原始心電圖信號而不是存儲的圖像，這更為常見，因為 ECG 經(jīng)常被打印和掃描為圖像。此外，許多基于 AI 的診斷工具是為個別臨床疾病設(shè)計的，因此可能有限在同時發(fā)生多種心電圖異常的臨床環(huán)境中的實用性，”Khera 說。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！