波士頓——心房顫動——一種不規(guī)則且通?？焖俚男穆?mdash;—是一種常見的疾病，通常會導致心臟中形成血栓，血栓會傳播到大腦導致中風。正如發(fā)表在Circulation 上的一項研究所述，由麻省總醫(yī)院 (MGH) 和麻省理工學院和哈佛大學博德研究所的研究人員領(lǐng)導的一個團隊開發(fā)了一種基于人工智能的方法，用于識別有發(fā)生心房顫動風險的患者，并可能因此受益于預防措施。
研究人員開發(fā)了基于人工智能的方法，根據(jù)在 MGH 接受初級保健的 45,770 名患者的心電圖(記錄心臟電信號的無創(chuàng)測試)的結(jié)果，預測未來五年內(nèi)發(fā)生房顫的風險。
接下來，科學家們將他們的方法應用于來自研究的三個大型數(shù)據(jù)集，包括總共 83,162 個人。基于 AI 的方法可以單獨預測心房顫動的風險，并且在與已知的臨床風險因素相結(jié)合來預測心房顫動時具有協(xié)同作用。該方法在個體亞組中也具有高度預測性，例如既往心力衰竭或中風的個體。
“我們看到基于心電圖的人工智能算法可以幫助識別心房顫動風險最大的個體，”資深作者、MGH 心臟電生理學家、Broad 的準成員 Steven A. Lubitz 醫(yī)學博士、公共衛(wèi)生碩士說。研究所。共同主要作者、醫(yī)學博士、公共衛(wèi)生碩士、MGH 的電生理學臨床和研究員 Shaan Khurshid 補充說：“這種算法的應用可以促使臨床醫(yī)生修改心房顫動的重要風險因素，從而完全降低發(fā)生這種疾病的風險。”
Lubitz 補充說，該算法可以作為一種形式的預篩選工具，用于目前可能正在經(jīng)歷未檢測到的心房顫動的患者，促使臨床醫(yī)生使用更長期的心律監(jiān)測器來尋找心房顫動，這反過來又可能導致中風預防措施.
該研究的結(jié)果還證明了人工智能(在這種情況下涉及一種稱為機器學習的特定類型)在推進醫(yī)學方面的潛在力量。“隨著數(shù)據(jù)科學技術(shù)的爆炸式增長和現(xiàn)有的大量臨床數(shù)據(jù)，機器學習有望幫助臨床醫(yī)生和研究人員在加強心臟病學護理方面取得長足進步，”共同作者、醫(yī)學博士、首席數(shù)據(jù)官 Anthony Philippakis 說在研究所的埃里克和溫迪施密特中心的布羅德和聯(lián)合主任。“作為一名數(shù)據(jù)科學家和前心臟病專家，我很高興看到基于機器學習的方法如何與我們每天使用的測試和臨床方法相結(jié)合，以幫助我們改進風險預測并照顧心房顫動患者。”
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！