人工智能预测如果当有人心脏骤停

一种新的基于人工智能的方法可以预测,比医生更准确,如果一个病人可能死于心脏骤停。技术,建立在病人患病的心脏和病人的原始图像背景,将彻底改变临床决策和提高生存从突然的和致命的心律失常,医学最致命的和最令人费解的条件之一。

约翰·霍普金斯大学的研究人员领导的工作,详细的今天自然心血管研究。

“心脏性猝死引起的心律失常占全世界所有死亡的20%,我们知道对它发生的原因,或者如何告诉谁处于危险之中,“Natalia Trayanova资深作者说,墨累河(goldman Sachs)的生物医学工程和医学教授。“有可能在低风险的患者心脏性猝死去纤颤器,他们可能不需要,然后有高危患者没有得到他们需要的治疗,可能会死在他们的生活。我们的算法所能做的就是决定谁是心脏死亡的风险会发生时,允许医生决定需要做什么。”

团队是第一个使用神经网络建立一个个性化的生存为每个病人评估心脏病。这些风险措施提供高精度心脏性猝死的几率超过10年,当它最容易发生。

深度学习的技术叫做生存研究心律失常的风险(SSCAR)。这个名字暗指心脏瘢痕引起的心脏病,往往导致致命的心律失常,和关键算法的预测。

该团队使用对比增强心脏图像可视化疤痕分布从数以百计的约翰霍普金斯医院真正的病人心脏瘢痕训练一个算法来检测模式和肉眼不可见的关系。目前临床心脏图像分析提取只有简单的疤痕等功能体积和质量,严重未充分使用中演示了这项工作是关键数据。

“图像携带关键信息,医生没能访问,”第一作者丹Popescu说,约翰霍普金斯大学的博士生。“这疤痕可以分布在不同的方式,它说一些关于病人的生存机会。信息隐藏在它。”

团队训练一个神经网络学习十年的标准临床病人数据,22个因素,如患者的年龄、体重、种族和处方药物使用。

算法的预测不仅明显比医生更准确的在每一个衡量,他们在测试验证与一个独立的病人队列从60岁健康中心美国各地,不同的心脏的历史和不同的成像数据,表明该平台可以采用任何地方。

“这有可能显著的形状临床决策——关于心律失常风险和代表一个重要的一步将病人轨迹预测引入人工智能的时代,“联盟联合Trayanova表示心血管疾病的诊断和治疗的创新。“这集中体现了人工智能融合的趋势,工程,和医学医疗的未来。”

这个团队现在正在构建算法来检测其他心脏疾病。根据Trayanova,深度学习其他领域的医学概念可以开发依赖视觉诊断。

来自约翰霍普金斯大学的团队还包括:彭博社数据密集型计算毛罗·Maggioni特聘教授;朱莉阴影;昌鑫赖;Konstantino Aronis;和凯瑟琳。其他作者包括:m . Vinayaga Moorthy和南希·布莱根妇女医院的厨师;西北来大学的丹尼尔·李;托罗学院和大学的Alan Kadish系统;大卫Oyyang和克里斯汀•艾伯特Cedar-Sinai医学中心。