新的人工智能工具比标准方法检测心脏病发作

一个新的机器学习模型使用心电图(ECG)数据诊断和分类心脏病更快和更准确地比现有方法,根据领导的一项研究发表在匹兹堡大学的研究人员自然医学。

“当一个病人进入医院后胸痛,我们问的第一个问题是是否有一个病人心脏病与否。似乎应该简单,但目前还不清楚从心电图时,它可以需要24小时才能完成额外的测试,”作者Salah Al-Zaiti博士说,印度,皮特护理学院的副教授急诊医学和医学院心脏病学。“我们的模型可以帮助应对这一重大挑战,改善病人能得到合适的护理风险评估,以便及时。”

在心电图的高峰和低谷,临床医生可以很容易地识别不同模式表明最严重的类型称为STEMI的心脏病。这些严重的事件引起的冠状动脉完全阻塞,需要立即干预恢复血液流动。

问题是,几乎三分之二的心脏病发作引起的严重堵塞,但没有警示心电图模式。新工具有助于检测细微的线索的心电图临床医生很难发现并改善了分类的胸痛患者。

模型是由作者欧文Sejdić,博士,副教授,爱德华s罗杰斯大学电子与计算机工程系多伦多和健康结果的人工智能研究椅子在纽约北部多伦多综合医院与ecg胸痛患者从4026年在匹兹堡的三家医院。然后模型外部验证从不同的医院系统和3287名患者。

研究人员将他们的模型三个黄金标准评估心脏事件:有经验的临床医生的解释心电图,商业心电图算法和心脏的分数,认为历史presentation-including疼痛和其他symptoms-ECG解释,年龄,风险还吸烟,糖尿病,高胆固醇和血压的一种叫做肌钙蛋白的蛋白质。

该模型比这三个,可以准确地将三分之一的胸痛患者低,中间或高度风险。

“在我们的梦想,我们希望匹配的准确性的心,但我们却惊奇地发现,我们的机器学习模型完全基于心电图超过这一点上,“Al-Zaiti说。

根据基督教作者马丁吉尔,医学博士,每紧急医疗服务(EMS)的首席UPMC中的部门,该算法将帮助EMS人员和急诊科供应商识别人患心脏病和减少流向心脏的血液更健壮的方式与传统的心电图分析。

“这个信息可以帮助指导EMS医疗决定启动某些治疗等领域或报警高危病人的医院,”马丁吉尔补充说。“另一方面,这也是令人兴奋的,它可以帮助确定低风险病人不需要去医院专门的心脏功能,可以改善患者的院前治疗。”

在这项研究的下一阶段,团队优化模型将如何部署在伙伴关系与城市匹兹堡局紧急医疗服务。Al-Zaiti说,他们正在开发一个基于云的系统集成与医院指挥中心接收来自EMS的心电图数据。模型将分析心电图并发回一个病人的风险评估,指导实时医疗决定。