人工智能检查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(一种常见的医学测试)，以查明潜在危险的不规则心跳(心律失常)或明年死亡风险较高的患者。
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多年来存档的医疗记录中的200多万份ECG结果来训练深度神经网络——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预测未来事件，而不是检测当前的健康问题，科学家们指出。
“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改进病人护理Brandon Fornwalt医学博士说，他是这两项研究的资深作者，也是宾夕法尼亚州丹维尔盖辛格成像科学与创新系的副教授和系主任。
通过12导联心电图轨迹直接预测房颤事件的深度神经网络(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，也就是心房纤颤(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。研究人员对超过23.7万名患者的110万次心电图进行了研究，这些心电图没有显示房颤的存在深度神经网络为每个心电图分析15段数据- 30,000个数据点。
研究人员发现，在神经网络预测的前1%的高危患者中，三分之一的人在一年内被诊断为房颤。模型预测还显示了长期预后的意义，因为预测在1年内发生房颤的患者在25年随访中发生房颤的危险率比其他患者高45%。
“目前，确定哪些患者会在明年发生房颤的方法有限，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，他是盖辛格成像科学与创新系的助理教授。“我们希望这个模型可以用于早期识别房颤患者，以便对他们进行治疗，防止中风。”
美国心脏协会精密心血管医学研究所所长Jennifer Hall博士指出，深度学习“作为我们心血管医学领域的另一种方式，能够帮助患者并帮助他们了解中风的风险，这是非常棒的。”
霍尔说:“能够了解哪些人有发生心律不齐或房颤的风险，然后帮助我们了解哪些人也有发生中风的风险，然后对这些人进行治疗，预防房颤和中风。”“在我们的指尖拥有这些技术，现在或将来拥有更精确的技术来发现潜在的心房颤动，这绝对是巨大的。”
深度神经网络可以直接从心电图信号预测一年的死亡率，即使临床解释为正常(口头报告119)
为了帮助确定最有可能在一年内死于任何原因的患者，盖辛格的研究人员分析了近40万名患者的177万次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ECG信号，要么依赖于汇总的人类测量(通常由心脏病专家记录的标准ECG特征)和常见诊断的疾病模式。
研究发现，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，”福恩沃尔特说，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关键优势，但这些发现应该在盖辛格以外的地方进行测试。“将这些模型纳入常规心电图分析将很简单。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这些预测是否可以用于改善健康结果。
