试验表明，在常规实践中，早期人工智能引导的心脏病检测
心脏病可以有多种形式，但有些类型的心脏病，如无症状的低射血分数，可能很难识别，特别是在治疗最有效的早期阶段。ECG人工智能引导低射血分数筛查(EAGLE)试验旨在确定一种利用心电图数据检测低射血分数的人工智能(AI)筛查工具是否能在常规实践中改善这种情况的诊断。研究结果发表在自然医学。
收缩式低射血分数被定义为心脏无法充分收缩，每个节拍将至少50％的血液从其室中泵送。超声心动图可以容易地诊断低射血分数，但是这种耗时的成像测试需要比12引导EKG更多的资源，这是快速，便宜且容易获得的。通过卷积神经网络测试和开发了启用AI的EKG算法，并在随后的研究中验证。
EAGLE试验在明尼苏达州和威斯康星州的45家医疗机构进行，包括农村诊所、社区和学术医疗中心。总共有来自120个医疗小组的348名初级保健临床医生被随机分配到常规护理或干预组。通过电子健康记录，干预组被告知低射血分数筛查结果为阳性，促使他们要求进行超声心动图确认。
梅奥诊所心脏电生理学家、医学博士彼得·诺斯沃西说:“人工智能心电图通过识别以前可能会漏诊的人，有助于在现实世界中诊断射血分数较低的患者。”诺斯沃西博士是这项研究的资深作者。
8个月的数据是22,641成人患者中在临床医生的监护下做了心电图。人工智能在6%的患者中发现了阳性结果。接受超声心动图检查的患者比例总体上相似，但在筛查结果为阳性的患者中，接受超声心动图检查的干预患者比例更高。
“与常规治疗相比，人工智能干预将低射血分数的诊断提高了32%。在人工智能阳性结果的患者中，诊断率的相对增幅为43%，”姚小喜博士说，他是梅奥诊所心血管疾病健康结果研究人员，也是该研究的第一作者。“从绝对意义上讲，在每1000名接受筛查的患者中，人工智能筛查产生5例射血分数较常规治疗低的新诊断。”
Noseworthy医生说:“有了EAGLE，电子健康记录中就可以随时获取信息，护理团队可以看到结果并决定如何使用这些信息。”“随着时间的推移，我们可能会看到更多的医疗实践中使用人工智能。这取决于我们如何利用它来改善护理和健康结果，但又不会让一线临床医生负担过重。”
此外，EAGLE试验使用了一种正偏差方法来评估AI筛查信息的前5位护理团队用户和前5位非用户。姚博士表示，这种来自医生的学习和反馈循环将展示人工智能技术在实践中的适应性和应用。
EAGLE是第一个在常规实践中证明人工智能价值的大规模试验之一。低射血分数算法已经获得了美国食品和药物管理局(Food and Drug Administration，简称fda)突破性认定，是由Mayo公司开发并授权给Anumana公司的几种算法之一。Anumana是一家新公司，专注于解锁隐藏的生物医学知识，以实现早期发现和加速治疗心脏病。低弹射分数算法也曾被Eko Devices Inc.授权，专门用于外部应用于胸部的手持设备。
用户评论