基于图像的心电图算法改善了远程环境中的医疗服务

耶鲁心血管数据科学 (CarDS) 实验室的研究人员开发了一种基于人工智能 (AI) 的临床诊断模型，该模型可以使用心电图 (ECG) 图像(无论格式或布局如何)来诊断多种心律和传导障碍。

由心血管医学助理教授 Rohan Khera 博士领导的团队从心电图图像中开发了一种新型的多标签自动诊断模型。ECG Dx 是来自 CarDS 实验室的最新工具，旨在使基于 AI 的心电图解释可在远程设置中访问。他们希望新技术提供一种改进的方法来诊断关键的心脏疾病。该研究结果于 3 月 24 日发表在《自然通讯》上。

该研究的第一作者是耶鲁大学计算机科学专业的 Veer Sangha。“我们的研究表明，图像和信号模型在多个数据集上的临床标签表现相当，”Sangha 说。“我们的方法可以将人工智能的应用扩展到针对日益复杂的挑战的临床护理。”

随着移动技术的进步，患者越来越多地获得心电图图像，这引发了关于如何将这些设备纳入患者护理的新问题。在 Khera 的指导下，Sangha 在 CarDS 实验室的研究分析了来自电子健康记录的多模式输入，以设计潜在的解决方案。

该模型基于从 2010 年至 2017 年期间在巴西接受护理的 150 万多名患者的 200 万份心电图上收集的数据。六分之一的患者被诊断出患有节律紊乱。该工具通过多个国际数据源独立验证，从心电图进行临床诊断具有很高的准确性。

机器学习 (ML) 方法，特别是那些使用深度学习的方法，已经改变了自动诊断决策。对于心电图，它们导致了允许临床医生发现隐藏或复杂模式的工具的开发。然而，深度学习工具使用基于信号的模型，根据 Khera 的说法，这些模型尚未针对远程医疗保健环境进行优化。基于图像的模型可以改进 ECG 的自动诊断。

使用基于 AI 的应用程序时存在许多临床和技术挑战。

“当前的 AI 工具依赖于原始心电图信号而不是存储的图像，这更为常见，因为 ECG 经常被打印和扫描为图像。此外，许多基于 AI 的诊断工具是为个别临床疾病设计的，因此可能有限在同时发生多种心电图异常的临床环境中的实用性，”Khera 说。

标签：