一种新的基于人工智能的方法可以比医生更准确地预测患者是否以及何时死于心脏骤停。该技术以患者患病心脏和患者背景的原始图像为基础，将彻底改变临床决策并提高突发性和致命性心律失常的存活率，这是医学上最致命和最令人费解的疾病之一。
这项由约翰霍普金斯大学研究人员领导的工作今天在《自然心血管研究》中进行了详细介绍。
“由心律失常引起的心源性猝死占全球所有死亡人数的 20%，我们对它发生的原因或如何判断谁处于危险中知之甚少，”资深作者、默里 B.萨克斯生物医学工程教授 Natalia Trayanova 说和医学。“有些患者心源性猝死的风险可能较低，但他们可能不需要使用除颤器，而有些高风险患者没有得到他们需要的治疗，可能会在他们生命的黄金时期死亡。我们的什么算法可以做的是确定谁有心脏死亡的风险以及何时发生，让医生准确地决定需要做什么。”
该团队是第一个使用神经网络为每位心脏病患者建立个性化生存评估的团队。这些风险测量提供了 10 年内心源性猝死的高准确度，以及最有可能发生的时间。
深度学习技术被称为心律失常风险生存研究(SSCAR)。这个名字暗示了由心脏病引起的心脏疤痕，通常会导致致命的心律失常，以及算法预测的关键。
该团队使用对比度增强的心脏图像来可视化约翰霍普金斯医院数百名患有心脏疤痕的真实患者的疤痕分布，以训练一种算法来检测肉眼不可见的模式和关系。当前的临床心脏图像分析仅提取简单的疤痕特征，如体积和质量，严重未充分利用这项工作中证明的关键数据。
“这些图像带有医生无法访问的关键信息，”第一作者、前约翰霍普金斯大学博士生丹波佩斯库说。“这种疤痕可以以不同的方式分布，它说明了患者的生存机会。其中隐藏着信息。”
该团队训练了第二个神经网络，以从 10 年的标准临床患者数据、患者年龄、体重、种族和处方药使用等 22 个因素中学习。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！