最新开发的人工智能结合心电图和x线结果来诊断心律失常
神户大学医院的Nishimori Makoto博士和项目助理教授Kiuchi Kunihiko等人(心血管医学部,内科)开发了一种人工智能,它使用多种测试数据来预测心脏中多余路径的位置,称为“辅助路径”,导致心脏不规则跳动。在这项研究中,研究人员通过让人工智能学习两种完全不同的测试结果——心电图(ECG)数据和x射线图像,能够提高诊断的准确性。希望在此研究成功的基础上,这种方法可以应用于其他疾病。
这些研究结果发表在网上科学报告2021年4月13日。
沃尔夫-帕金森-怀特(WPW)是一种心律失常。患有WPW综合征的患者在出生时心脏内就有多余的通道,被称为“副通道”,这可能会导致心动过速,导致脉搏加速。导管消融包括使用导管选择性地烧灼副通路,可以完全治愈这种疾病。然而,成功率导管消融这取决于附属通路的位置。通常,12导联心电图(即常规心电图)在治疗前被用于预测辅助通路的位置。然而,目前这种仅仅依靠心电图的方法还不够准确,这使得很难给患者一个包括治疗成功率在内的完整解释。这项研究尝试使用人工智能来解决这个问题。
研究人员使用了一种名为深度学习。深度学习包括将每个病人的数据和相应的答案输入一个程序。通过重复这个学习过程,程序自动变得更聪明。利用这种方法,研究小组能够解决一个以前未解决的问题,从而进一步推动了人工智能在现代医学中的应用。
首先,西森博士的团队仅利用心电图数据开发了人工智能,并将其性能与以前的方法进行了比较。他们进行了反复学习,同时向人工智能提供每个患者的心电图数据和每个病例的辅助通路位置(即答案),成功地创建了一个准确率高于以前方法的人工智能。然而,人工智能不能每次仅从心电图数据进行正确的预测。造成这一问题的原因被认为是心电数据受到每个心脏大小和位置的差异的影响,因此,即使在附件的位置,心电数据也不匹配通路是相同的。通过让AI同时从胸部x光图像中学习数据,例如每个心脏的大小信息,解决了这个问题(图1)。通过同时学习治疗前的心电图和x光图像数据,人工智能能够获得缺失的信息,与仅使用心电图数据相比,其诊断准确性得到了显著提高(图2)。
近年来人工智能技术的进步,使得人工智能能够根据医学领域的各种测试数据做出高度准确的诊断。然而,在某些情况下,单次测试的数据不足以让人工智能进行准确诊断。这项研究成功地提高了准确性,因为人工智能不仅可以学习心电图结果,还可以学习胸透图像,这是一种完全不同类型的数据。人工智能介导的精确诊断将使医生能够向治疗前的患者更准确地解释他们的病情,这有望让患者放心。此外,这项研究可以应用于其他各种疾病,并有望实现人工智能诊断软件。
进一步探索
用户评论