耶魯心血管數(shù)據(jù)科學 (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障礙。
由心血管醫(yī)學助理教授 Rohan Khera 博士領導的團隊從心電圖圖像中開發(fā)了一種新型的多標簽自動診斷模型。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程設置中訪問。他們希望新技術(shù)提供一種改進的方法來診斷關鍵的心臟疾病。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計算機科學專業(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)集上的臨床標簽表現(xiàn)相當，”Sangha 說。“我們的方法可以將人工智能的應用擴展到針對日益復雜的挑戰(zhàn)的臨床護理。”
隨著移動技術(shù)的進步，患者越來越多地獲得心電圖圖像，這引發(fā)了關于如何將這些設備納入患者護理的新問題。在 Khera 的指導下，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，從心電圖進行臨床診斷具有很高的準確性。
機器學習 (ML) 方法，特別是那些使用深度學習的方法，已經(jīng)改變了自動診斷決策。對于心電圖，它們導致了允許臨床醫(yī)生發(fā)現(xiàn)隱藏或復雜模式的工具的開發(fā)。然而，深度學習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程醫(yī)療保健環(huán)境進行優(yōu)化。基于圖像的模型可以改進 ECG 的自動診斷。
使用基于 AI 的應用程序時存在許多臨床和技術(shù)挑戰(zhàn)。
“當前的 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。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！