研究人員使用新的深度學習方法來分析心電圖作為語言

西奈山研究人員開發(fā)了一種用于心電圖 (ECG) 分析的創(chuàng)新人工智能 (AI) 模型，可以將 ECG 解釋為語言。這種方法可以提高 ECG 相關診斷的準確性和有效性，特別是對于可用于訓練的數據有限的心臟疾病。

在 6 月 6 日在線出版的npj Digital Medicine上發(fā)表的一項研究中，該團隊報告說，其新的深度學習模型，稱為 HeartBEiT，構成了可以創(chuàng)建專業(yè)診斷模型的基礎。該團隊指出，在比較測試中，使用 HeartBEiT 創(chuàng)建的模型優(yōu)于既定的 ECG 分析方法。

“我們的模型始終優(yōu)于卷積神經網絡[CNN]，卷積神經網絡是用于計算機視覺任務的常用機器學習算法。此類 CNN 通常在真實世界對象的公開可用圖像上進行預訓練，”第一作者、醫(yī)學博士 Akhil Vaid 說，他是西奈山伊坎醫(yī)學院的數據驅動和數字醫(yī)學 (D3M)。“因為HeartBEiT專用于心電圖，它可以使用十分之一的數據執(zhí)行與這些方法一樣好，甚至更好。這使得基于心電圖的診斷更加可行，特別是對于影響較少患者的罕見病癥，因此具有可用數據有限。”

由于其成本低、無創(chuàng)性和對心臟病的廣泛適用性，僅在美國每年就有超過 1 億次心電圖檢查。盡管如此，ECG 的用途在范圍上是有限的，因為醫(yī)生不能用肉眼始終如一地識別代表疾病的模式，特別是對于沒有建立診斷標準或這些模式對于人類解釋來說可能過于微妙或混亂的情況。然而，人工智能現在正在徹底改變科學，迄今為止的大部分工作都集中在 CNN 上。

Mount Sinai 正在通過建立在所謂的生成式 AI 系統(tǒng)(例如 ChatGPT)的濃厚興趣的基礎上，將這個領域引向一個大膽的新方向，這些系統(tǒng)建立在 transformer 之上——深度學習模型在大量文本數據集上進行訓練以生成類似人類的對用戶關于幾乎任何主題的提示的響應。研究人員正在使用相關的圖像生成模型來創(chuàng)建心電圖小部分的離散表示，從而能夠將心電圖作為語言進行分析。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！