来自 Tempus 和 Geisinger 的一组临床医生和科学家发现，一种新的人工智能模型可以准确识别出患有未确诊结构性心脏病风险增加的患者。
结构性心脏病(SHD) 是一组对心脏瓣膜、壁、腔室或肌肉产生不利影响的疾病。SHD 通常是一种进行性疾病，会导致各种衰弱症状或死亡，因此早期诊断和治疗患者以防止这些不良结果非常重要。然而，许多患有这种疾病的患者未被确诊。
Tempus 和 Geisinger 的研究试图通过开发一种新的机器学习模型来解决这一诊断差距，该模型使用来自 12 导联心电图 (ECG) 的数据——一种廉价且常用的测量心脏电信号的测试——来识别高血糖患者未确诊 SHD 的风险。发表在Circulation上的 rECHOmmend 模型可以预测可通过超声心动图(心脏超声)诊断的七种结构性心脏病中的任何一种。
数据科学家和医学研究人员团队使用来自 Geisinger 超过 37 年的患者护理的 480,000 多名患者的 220 万份心电图来训练深度神经网络(一种特殊类型的 AI 模型)来预测哪些患者，在没有先前病史的患者中SHD 将发展出临床上显着的疾病，可以从指南指导的监测或治疗中受益。总体而言，该研究发现该模型实现了出色的性能，超过了任何先前发布的预测任何单一疾病的模型的性能。研究结果表明，使用这种模型的临床医生可以用更少的诊断研究发现更多的疾病。
Tempus 首席科学官 Joel Dudley 博士说：“结构性心脏病具有很高的发病率和死亡率负担，这种模型对于在临床实践中识别未确诊的患者既可行又实用。”“我们的两个团队正在继续寻找新的方法，在心脏病达到患者不可逆转的严重衰弱阶段之前应用人工智能来预测心脏病，而 rECHOmmend 研究建立在这项基础工作的基础上。”
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！