人工智能检测心电图可以预测心律不齐和死亡风险
根据将于2019年11月16日至18日在费城举行的美国心脏协会科学会议上发表的两项初步研究，人工智能可以检查心电图(ECG)测试结果，这是一种常见的医学测试，以确定患者在未来一年内出现潜在危险的不规则心跳(心律失常)或死亡的风险更高。
研究人员使用了宾夕法尼亚州/新泽西州盖辛格卫生系统30多年来存档的200多万份心电图结果来训练深度神经网络——一种先进的多层计算结构。来自同一组研究人员的两项研究都是最早使用的人工智能通过心电图来预测未来的事件，而不是检测当前的健康问题，科学家指出。
“这是令人兴奋的，并提供了更多的证据，表明我们正处于医学革命的边缘，计算机将与医生一起工作来改善病人护理这两项研究的资深作者、宾夕法尼亚州丹维尔盖辛格大学成像科学与创新系的副教授兼主任、医学博士Brandon Fornwalt说。
一种直接从12导联心电图迹预测房颤发生的深度神经网络(海报演示MDP106)
研究人员推测深度学习模型可以预测不规则的心律，被称为心房纤颤(AF)，在它发展之前。心房颤动与中风和心脏病发作的高风险相关。关注超过237,000名患者的110万心电图，这些心电图没有显示房颤的存在，研究人员使用高度专业化的计算硬件来训练心房颤动深层神经网络分析每个心电图的15段数据，30,000个数据点。
研究人员发现，正如神经网络预测的那样，在前1%的高危患者中，每3人中就有1人在一年内被诊断为房颤。模型预测也显示了更长期的预后意义，因为预测在1年发生房颤的患者在25年随访中发生房颤的危险率比其他患者高45%。
“目前，有有限的方法来确定哪些患者将在明年发生房颤，这就是为什么，很多时候，房颤的第一个迹象是中风，”资深作者克里斯托弗·哈格蒂博士说，他是盖辛格大学成像科学和创新系的助理教授。“我们希望这个模型能被用来尽早识别心房纤颤患者，这样他们就能得到治疗，预防中风。”
美国心脏协会精密心血管医学研究所主任Jennifer Hall博士指出，深度学习“作为心血管医学领域帮助患者了解中风风险的另一种方式，是非常棒的。”
霍尔说:“能够了解谁有心跳不规则或心房纤颤的风险，然后帮助我们了解谁可能也有中风的风险，然后对这些人进行治疗，预防心房纤颤和未来可能发生的中风。”“有了这些技术，现在或将来有了更精确的技术来发现潜在的心房纤颤，绝对是巨大的。”
即使在临床解释为正常的情况下，深度神经网络也可以直接从心电信号预测一年的死亡率(口头报告119)
为了帮助确定最有可能在一年内因任何原因死亡的患者，盖辛格的研究人员分析了近40万名患者的177万心电图和其他记录的结果。该团队使用这些数据来比较基于机器学习的模型，这些模型要么直接分析原始心电信号，要么依赖于聚合的人类获取的测量(心脏病专家通常记录的标准心电特征)和通常诊断的疾病模式。
直接分析心电信号的神经网络模型在预测1年死亡风险方面具有优势。令人惊讶的是，即使在医生认为心电图正常的患者中，神经网络也能准确预测死亡风险。研究人员说，三名心脏病专家分别检查了最初被解读为正常的心电图，他们通常无法识别神经网络检测到的风险模式。“这是这项研究最重要的发现，”Fornwalt说，他与哈格蒂共同指导盖辛格心脏成像技术实验室。“这可能会完全改变我们未来解读心电图的方式。”
研究人员指出，尽管庞大的盖辛格数据库是这两项研究的一个关键优势，但这些发现应该在盖辛格以外的站点进行测试。“将这些模型合并到常规心电图分析中会很简单。然而，根据计算机预测为患者制定适当的护理计划将是一个更大的挑战，”主要作者Sushravya Raghunath博士说。研究人员现在正在测试预测是否可以用来改善健康结果。
进一步探索
