试验表明，在常规实践中，早期人工智能引导的心脏病检测
心脏病可以服用若干形式，但某些类型的心脏病，如无症状的低射血分数，可能很难识别，特别是在治疗最有效的早期阶段。ECG AI引导筛选用于低射血分数，或鹰，试验所示的试验，以确定用于使用来自EKG的数据检测低射血分数的人工智能（AI）筛选工具可以改善常规实践中这种情况的诊断。研究调查结果已发表在自然医学。
收缩式低射血分数被定义为心脏无法充分收缩，每个节拍将至少50％的血液从其室中泵送。超声心动图可以容易地诊断低射血分数，但是这种耗时的成像测试需要比12引导EKG更多的资源，这是快速，便宜且容易获得的。通过卷积神经网络测试和开发了启用AI的EKG算法，并在随后的研究中验证。
EAGLE试验在明尼苏达州和威斯康星州的45家医疗机构进行，包括农村诊所、社区和学术医疗中心。总共有来自120个医疗小组的348名初级保健临床医生被随机分配到常规护理或干预组。通过电子健康记录，干预组被告知低射血分数筛查结果为阳性，促使他们要求进行超声心动图确认。
“启用AI的EKG通过识别以前将穿过裂缝的人来促进真实世界的患者在真实世界中的患者诊断，”梅奥临床心脏电生理学家彼得·鼻堡说。鼻瓦博士是该研究的高级作者。
8个月的数据是22,641成人患者在审判中的临床医生的照顾下有一个ekg。AI发现6％的患者的阳性结果。接受超声心动图的患者的比例总体上类似，但在患有阳性筛选结果的患者中，较高百分比的干预患者接受了超声心动图。
“AI干预的诊断增加了32％相对于常规护理的32％。患者患者的患者，诊断的相对增加43％，”孝西姚，博士学位，施工结果梅奥诊所心血管疾病研究员，第一次作者研究。“为了绝对术语，每1000名患者筛查，AI筛查会产生五个新的爆发部分常用护理。”
“与鹰牌，信息很容易在电子健康记录中获得，护理团队可以看到结果并决定如何使用该信息，”鼻堡博士说。“Takeaway是，随着时间的推移，我们可能会在医学的实践中看到更多的AI。这取决于我们如何以改善护理和健康结果的方式使用这一点，但不会覆盖覆盖的前线临床医生。“
此外，EAGLE试验使用了一种正偏差方法来评估AI筛查信息的前5位护理团队用户和前5位非用户。姚博士表示，这种来自医生的学习和反馈循环将展示人工智能技术在实践中的适应性和应用。
Eagle是第一个在常规实践中展示AI的价值的大规模试验之一。收到食品和药物管理局突破性指定的低射血分数算法是由Mayo开发的几种算法之一，并许可Anumana Inc.，这家新公司专注于解锁隐藏的生物医学知识，以实现早期检测以及加速治疗心脏病。低弹射分数算法也是先前许可的EKO器件Inc.，特别是用于外部施加到胸部的手持设备。
用户评论