AI模型幫助診斷這種高風險疾病

廣義的結構性心臟病（structural heart disease，SHD）指任何心臟結構的異常，任何與心臟和大血管結構有關的疾病。其是一種進行性疾病，這意味著癥狀會隨著時間的推移而惡化，如果不及早發現和治療，死亡率較高。所以，早期診斷和治療是改善患者預后的關鍵。

當地時間5月24日，美國區域衛生系統Geisinger和生物技術研究公司Tempus的臨床醫生和科學家發現，其人工智能模型可以在病人未確診時，準確識別出其患結構性心臟病的風險在升高，即標記出高危結構性心臟病患者。

這個模型的數據來自非常常見的十二導聯心電圖(ECG)，研究人員收集了1984年至 2021年間在Geisinger接受護理的48萬名患者的220萬份心電圖數據。該數據用于訓練深度神經網絡(DNN)，以預測在沒有結構性心臟病病史的患者中，哪些患者會患上這種疾病，從而使其可以從監測或治療中受益。

這個名為rECHOmmend人工智能模型可以通過超聲心動圖（心臟超聲）預測七種結構性心臟病中的任何一種。“過去的研究表明，人工智能能夠通過超聲心動圖進行單一疾病篩查。rECHOmmend則在此基礎上進一步提高超聲心動圖作為結構性心臟病篩查工具的可行性，”Geisinger高級數據科學家、該研究的主要作者Alvaro Ulloa Cerna表示，“這可以幫助早期診斷，并避免疾病進一步發展及其使人衰弱的癥狀出現。”

Tempus首席科學官Joel Dudley說道，“結構性心臟病具有很高的發病率和死亡率。我們的兩個團隊正在繼續尋找新的方法，在心臟病患者到達不可逆轉的嚴重衰弱階段之前應用人工智能來完成預測。”

這項研究是Tempus和Geisinger團隊近年開展的“基于AI的心臟病學研究”的最新成果。此前2020年5月，這兩個組織合作研究AI是否可以使用 ECG 數據準確預測死亡率，研究（Prediction of mortality from 12-lead electrocardiogram voltage data using a deep neural network）發表于《自然·醫學》上。其研究表明，人工智能可以直接從心電圖數據預測死亡率，甚至其中有大量心電圖數據是被醫生解釋為正常。