人工智能可以预测某人是否以及何时会出现心脏骤停
一种新的基于人工智能的方法可以比医生更准确地预测患者是否以及何时会死于心脏骤停。这项技术建立在病人患病心脏的原始图像和病人背景的基础上，将彻底改变临床决策，并提高突发性致命心律失常的存活率。心律失常是医学上最致命、最令人困惑的疾病之一。
由约翰霍普金斯大学的研究人员领导的这项工作，今天在自然心血管研究．
“由心律失常引起的心脏性猝死占全球死亡总数的20%，我们对它发生的原因以及如何判断谁处于危险之中知之甚少，”资深作者、默里B.萨克斯生物医学工程和医学教授Natalia Trayanova说。“有些患者的患病风险可能很低心脏性猝死他们可能不需要去纤颤器，然后就有了高危患者他们没有得到他们需要的治疗，可能会在他们生命的黄金时期死亡。我们的算法能做的是确定谁有心脏死亡的风险，以及何时发生，让医生准确地决定需要做什么。”
该团队是第一个使用神经网络为每位患者建立个性化的生存评估心脏病．这些风险测量方法可以高精度地提供10年内心脏性猝死的几率，以及它最有可能发生的时间。
这项深度学习技术被称为心律失常风险生存研究(SSCAR)。这个名字暗指由心脏病引起的心脏瘢痕，通常会导致致命的心律失常，也是算法预测的关键。
该团队使用对比增强的心脏图像，将约翰霍普金斯医院数百名患有心脏瘢痕的真实患者的疤痕分布可视化，以训练一种算法来检测肉眼看不到的模式和关系。目前的临床心脏图像分析只提取简单的疤痕特征，如体积和质量，严重没有充分利用这项工作中所证明的关键数据。
“这些图像携带了医生们无法获得的关键信息，”第一作者、前约翰·霍普金斯大学博士生丹·波佩斯库说。“这种疤痕可以以不同的方式分布，它说明了病人的生存机会。里面隐藏着信息。”
该团队训练了第二个神经网络，从10年的标准临床患者数据中学习，包括患者的年龄、体重、种族和处方药使用等22个因素。
算法的预测不仅在每项指标上都比医生准确得多，而且在60名独立患者队列的测试中得到了验证健康中心不同的心脏病史和不同的成像数据，这表明该平台可以在任何地方采用。
“这有可能显著地塑造临床决策心血管诊断和治疗创新联盟联合主任Trayanova说:“这是将患者轨迹预测带入人工智能时代的重要一步。”“它体现了人工智能、工程学和医学相结合的趋势，成为医疗保健的未来。”
该团队现在正致力于构建检测其他心脏疾病的算法。特拉亚诺娃表示，深度学习的概念可以发展到依赖视觉诊断的其他医学领域。
来自约翰霍普金斯大学的团队还包括:彭博数据密集型计算杰出教授Mauro Maggioni;朱莉阴影;昌鑫赖;Konstantino Aronis;还有凯瑟琳·吴。其他作者包括:布里格姆妇女医院的M. Vinayaga Moorthy和Nancy Cook;西北大学的丹尼尔·李;图罗学院和大学系统的艾伦·卡迪什;雪松西奈医疗中心的大卫·奥杨和克里斯汀·艾伯特。
进一步探索
