人工智能可以改善心脏病发作诊断以减轻急诊室的压力

据爱丁堡大学发表在《自然医学》杂志上的一项新研究，使用人工智能开发的算法很快就会被医生用来以前所未有的速度和准确性诊断心脏病发作。

该算法名为 CoDE-ACS，其有效性在全球六个国家的 10,286 名患者身上进行了测试。研究人员发现，与目前的测试方法相比，CoDE-ACS 能够排除两倍以上的患者心脏病发作，准确率为 99.6%。

这种比以往任何时候都更快地排除心脏病发作的能力可以大大减少住院人数。在 Wellcome Leap 的支持下，苏格兰目前正在进行临床试验，以评估该工具是否可以帮助医生减轻我们人满为患的急诊室的压力。

除了快速排除患者的心脏病发作外，CoDE-ACS 还可以帮助医生识别那些肌钙蛋白水平异常是由心脏病发作而非其他疾病引起的患者。无论年龄、性别或先前存在的健康状况如何，人工智能工具都表现良好，显示出它在减少误诊和人口不平等方面的潜力。

CoDE-ACS 有可能通过快速识别可以安全回家的患者，并向医生强调所有需要住院接受进一步检测的患者，从而提高急救护理的效率和效果。

目前诊断心脏病的黄金标准是测量血液中蛋白质肌钙蛋白的水平。但是每个患者都使用相同的阈值。这意味着没有考虑影响肌钙蛋白水平的年龄、性别和其他健康问题等因素，从而影响心脏病发作诊断的准确性。

这可能导致诊断的不平等。例如，之前的 Bd 研究表明，女性得到错误初步诊断的可能性要高 50%。最初被误诊的人在 30 天后死亡的风险增加 70%。新算法是防止这种情况的机会。

标签：