(資料圖片僅供參考)

研究人員利用深度學(xué)習(xí)的人工智能模型，將簡(jiǎn)陋的胸部X光片變成了診斷心臟問題的更有力的工具。他們說，他們的新方法可以作為評(píng)估心臟功能和檢查疾病的一種快速和準(zhǔn)確的方法。

胸部X光是世界上最經(jīng)常進(jìn)行的放射學(xué)檢查，也是衛(wèi)生專業(yè)人員診斷肺部和心臟疾病的常見方法。但是，雖然它們快速且容易執(zhí)行，但X光是一種靜態(tài)圖像，無法提供有關(guān)心臟如何運(yùn)作的信息。為此，你需要進(jìn)行超聲心動(dòng)圖檢查。

超聲心動(dòng)圖--通常稱為"回聲"--評(píng)估心臟的泵送效率如何，以及心室之間的瓣膜是否漏氣或病變。如果心臟瓣膜發(fā)生病變，心臟就不能有效地泵血，不得不更加努力工作，這可能導(dǎo)致心臟衰竭或心臟驟停和死亡。然而，超聲心動(dòng)圖需要一個(gè)具有專業(yè)技能的技術(shù)人員。

現(xiàn)在，來自大阪市立大學(xué)的研究人員招募了一個(gè)深度學(xué)習(xí)的人工智能模型，將簡(jiǎn)陋的胸部X光檢查轉(zhuǎn)變?yōu)橐粋€(gè)更詳細(xì)的診斷工具。

深度學(xué)習(xí)是人工智能（AI）使用的一個(gè)過程，教計(jì)算機(jī)以模仿人腦的方式處理數(shù)據(jù)。該模型可以識(shí)別圖片、文本、聲音和其他數(shù)據(jù)中的復(fù)雜模式，從而產(chǎn)生準(zhǔn)確的洞察力和預(yù)測(cè)。

研究人員用2013年至2021年期間從四個(gè)機(jī)構(gòu)的16946名患者那里獲得的與22551張超聲心動(dòng)圖相關(guān)的胸部X光片來訓(xùn)練深度學(xué)習(xí)模型。他們使用了來自多個(gè)機(jī)構(gòu)的數(shù)據(jù)，以減少人工智能產(chǎn)生偏頗結(jié)果的風(fēng)險(xiǎn)。

X光片被設(shè)定為輸入數(shù)據(jù)，超聲心動(dòng)圖被設(shè)定為輸出數(shù)據(jù)，模型被訓(xùn)練為學(xué)習(xí)連接兩個(gè)數(shù)據(jù)集的特征。在測(cè)試他們的深度學(xué)習(xí)模型時(shí)，研究人員發(fā)現(xiàn)，它可以精確地將六種類型的瓣膜性心臟病分類。曲線下面積（AUC）--表示人工智能模型區(qū)分類別的能力的評(píng)分指數(shù)--在0.83至0.92之間。AUC的數(shù)值范圍從0到1；越接近1越好。

研究人員說，他們的新型人工智能方法可以補(bǔ)充超聲心動(dòng)圖，特別是在需要快速診斷或技術(shù)人員短缺的時(shí)候。

"我們花了很長(zhǎng)時(shí)間才得到這些結(jié)果，但我相信這是一項(xiàng)重要的研究，"該研究的主要作者Daiju Ueda說。"除了提高醫(yī)生的診斷效率外，該系統(tǒng)還可能用于沒有專家的地區(qū)，用于夜間急診，以及用于難以接受超聲心動(dòng)圖的病人。"

該研究發(fā)表在《柳葉刀數(shù)字健康》雜志上。

關(guān)鍵詞：