研究人员使用新的深度学习方法来分析心电图作为语言

西奈山研究人员开发了一种用于心电图 (ECG) 分析的创新人工智能 (AI) 模型，可以将 ECG 解释为语言。这种方法可以提高 ECG 相关诊断的准确性和有效性，特别是对于可用于训练的数据有限的心脏疾病。

在 6 月 6 日在线出版的npj Digital Medicine上发表的一项研究中，该团队报告说，其新的深度学习模型，称为 HeartBEiT，构成了可以创建专业诊断模型的基础。该团队指出，在比较测试中，使用 HeartBEiT 创建的模型优于既定的 ECG 分析方法。

“我们的模型始终优于卷积神经网络[CNN]，卷积神经网络是用于计算机视觉任务的常用机器学习算法。此类 CNN 通常在真实世界对象的公开可用图像上进行预训练，”第一作者、医学博士 Akhil Vaid 说，他是西奈山伊坎医学院的数据驱动和数字医学 (D3M)。“因为HeartBEiT专用于心电图，它可以使用十分之一的数据执行与这些方法一样好，甚至更好。这使得基于心电图的诊断更加可行，特别是对于影响较少患者的罕见病症，因此具有可用数据有限。”

由于其成本低、无创性和对心脏病的广泛适用性，仅在美国每年就有超过 1 亿次心电图检查。尽管如此，ECG 的用途在范围上是有限的，因为医生不能用肉眼始终如一地识别代表疾病的模式，特别是对于没有建立诊断标准或这些模式对于人类解释来说可能过于微妙或混乱的情况。然而，人工智能现在正在彻底改变科学，迄今为止的大部分工作都集中在 CNN 上。

Mount Sinai 正在通过建立在所谓的生成式 AI 系统(例如 ChatGPT)的浓厚兴趣的基础上，将这个领域引向一个大胆的新方向，这些系统建立在 transformer 之上——深度学习模型在大量文本数据集上进行训练以生成类似人类的对用户关于几乎任何主题的提示的响应。研究人员正在使用相关的图像生成模型来创建心电图小部分的离散表示，从而能够将心电图作为语言进行分析。

标签：