盖辛格研究人员发现人工智能可以预测死亡风险

盖辛格大学的研究人员发现，利用心脏超声心动图视频开发的计算机算法可以预测一年内的死亡率。

这个算法就是我们所知的机器学习,或人工智能(AI)优于其他临床使用的预测因子，包括合并队列方程和西雅图心力衰竭评分。研究结果发表在自然生物医学工程．

“我们很高兴地发现机器学习可以利用非结构化数据集，比如医学图像和视频来改进广泛的临床预测模型，”盖辛格大学转化数据科学与信息系的联合资深作者兼助理教授克里斯·哈格蒂博士说。

成像对大多数医学专业的治疗决策至关重要，并已成为电子健康记录(EHR)中数据最丰富的组成部分之一。例如，一次心脏超声检查可以产生大约3000张图像，而心脏病专家在大量其他诊断数据的背景下解释这些图像的时间有限。这为利用机器学习等技术来管理和分析这些数据创造了巨大的机会，并最终为医生提供智能计算机辅助。

在他们的研究中，研究团队使用专门的计算硬件对过去十年中从34362名盖辛格患者中收集的812278个超声心动图视频训练机器学习模型。该研究将该模型的结果与心脏病学家基于多项调查的预测进行了比较。随后的一项调查显示，在该模型的辅助下，心脏病学家的预测准确率提高了13%。这项研究利用了近5000万张图像，是迄今为止发表的最大的医学图像数据集之一。

“我们的目标是发展计算机算法改善病人护理Alvaro Ulloa Cerna博士说，他是盖辛格大学转化数据科学和信息学系的作者和高级数据科学家。“在这种情况下，我们很高兴我们的算法能够帮助心脏病专家改善他们对患者的预测，因为关于治疗和干预的决定是基于这些类型的临床预测。”

---

---