本文综述了科学根据X编辑过程政策编辑器强调了以下属性同时确保内容的可信度:

核查事实的

同行评议的出版物

可信的源

校对

人工智能可能预测心脏病发作

人工智能可能预测心脏病发作
深度学习使心脏成像后比较结果预测,研究概述。一个比较深的学习模型训练(左)使用数据从5改进SPECT注册的网站(n在10倍= 20401),然后测试内部交叉验证方案(中间)和测试3外部网站(n= 13988)(右);b比较模型使用5 SPECT极地地图和15临床特征作为输入(左)和预测死亡时间概率(橙色线),ACS(绿线)和血管再生(蓝线);c分析了模型的性能(左)下使用累积动态面积接受者操作曲线(cAUC)。红线代表比较模型和蓝线代表灌注异常。解释预测可视化为瀑布图的蓝色箭头代表功能,减少风险和红色箭头代表功能,增加风险(右);ACS急性冠脉综合征,AUC接受者操作特征曲线下面积,兼总经理总灌注赤字,PCI经皮冠状动脉介入,CI置信区间。信贷:npj数字医学(2023)。DOI: 10.1038 / s41746 - 023 - 00806 - x

如果你的医生可以预测如果或者当你可能经历心脏病发作,心脏骤停或另一个心脏方面的问题吗?

调查人员正在更近一步实现这一突破预防性卫生保健和提供病人个性化的预测他们的心脏健康由于小说深度学习工具发达国家在cedars - sinai (AI)算法。

调查人员说他们的发现,今天发表在《华尔街日报》npj数字医学可能是一个有效的方法,病人参与自己的医疗保健。

“使用特定类型的人工智能的训练来解释图像的心和发达在cedars - sinai,我们可以预测心脏事件(如死亡的机会,心脏病,或需要紧急治疗心脏的血管和展示的可能性这些不良事件的变化随着时间的推移,”彼得亚雷Slomka说,博士,主任成像在cedars - sinai和创新研究科学家分部的人工智能在医学和Smidt心脏研究所。

要做到这一点,AI工具是训练有素的收集和查询等基本临床资料每个病人的年龄,性别,体重,,,以及解释的图像显示血液流向心脏,以及心脏扩张和收缩。

“这一般病人数据,加上心脏成像,深度学习平台使用,使心脏健康预测,“Slomka说,这项研究的资深作者。

产生的预测是在一个图形格式,表明个体病人死亡的风险,,或者要求一个侵入性心血管干涉错位支架或者搭桥手术的周期数年。Slomka说图是容易理解的,可以由医学专业人员和病人。

“医生和病人可以使用这些图表跟踪风险随时间的变化和确定各个风险因素,”Slomka说。“他们还可以交互式地修改某些风险因素如何影响病人的特定风险。”

从概念上讲,这部小说的研究也将具有广泛的影响,医学博士,董事苏密特丘格说部门的人工智能在医学和波琳和哈罗德价格椅子在心脏电生理学的研究。

“这种性质的人工智能算法可以使医生更个性化的信息交流可能的时机即将心脏病事件,让病人更有意义地参与共享的决策过程,“丘格说,中心主任Smidt预防心脏骤停的心脏研究所。“更重要的是,这个工具有潜力数据使放贷,适当的紧迫感心脏病预防患者和提供者的努力。”

Slomka和他的团队的调查人员计划测试这些工具在cedars - sinai在不久的将来。

“我们的终极目标是提供这样的互动工具如果图像和在线上传,”Slomka说。

更多信息:康拉德Pieszko et al,时间和专题深度学习的个性化风险评估心肌灌注成像后,npj数字医学(2023)。DOI: 10.1038 / s41746 - 023 - 00806 - x

期刊信息: npj数字医学

所提供的西奈医疗中心
引用:人工智能可能预测心脏病发作(2023年5月1日)检索3 2023年5月从//www.puressens.com/news/2023-05-artificial-intelligence-heart.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

你心的形状很重要

66年股票

反馈给编辑