2023-07-09 来源: drugdu 186
人工智能听起来可能像一个冰冷的机器人系统,但大阪都市大学的科学家已经证明,它可以传递温暖人心的信息;或者,更确切地说,“心脏警告”-;支持他们推出了一种创新的人工智能应用,可以对心脏功能进行分类,并以前所未有的准确性精确定位瓣膜性心脏病,这表明在融合医学和技术领域以推进患者护理方面取得了持续进展。研究结果将发表在《柳叶刀》数字健康杂志上。
瓣膜性心脏病是心力衰竭的原因之一,通常使用超声心动图进行诊断。然而,这项技术需要专业技能,因此相应地缺乏合格的技术人员。同时,胸部X光检查是识别疾病的最常见的检查之一,主要是肺部疾病。尽管在胸部射线照片中也可以看到心脏,但迄今为止,人们对胸部射线照片检测心脏功能或疾病的能力知之甚少。许多医院都会进行胸部X光检查,而且只需很少的时间,这使得这些检查非常容易获得和重复。因此,由大阪都市大学医学研究生院诊断与介入放射学系的上田大举博士领导的研究小组认为,如果可以从胸部X光片中确定心脏功能和疾病,这种测试可以作为超声心动图的补充。
上田博士的团队成功地开发了一个模型,该模型利用人工智能从胸部射线照片中准确地对心脏功能和心脏瓣膜疾病进行分类。由于在单个数据集上训练的人工智能面临潜在的偏见,导致准确性低,该团队的目标是多机构数据。因此,2013年至2021年间,共从四个机构的16946名患者中收集了22551张与22551张超声心动图相关的胸部X光片。将胸部射线照片设置为输入数据,将超声心动图设置为输出数据,对AI模型进行训练,以学习连接两个数据集的特征。
人工智能模型能够精确地对六种选定类型的瓣膜性心脏病进行分类,曲线下面积(AUC)在0.83至0.92之间。(AUC是指示AI模型能力的评级指数,使用的值范围从0到1,越接近1越好。)在检测左心室射血分数的40%截止值下,AUC为0.92;监测心脏功能的一项重要措施。
Daiju Ueda博士(大阪都市大学医学研究生院诊断和介入放射学系)表示:“我们花了很长时间才得出这些结果,但我相信这是一项重要的研究。除了提高医生诊断的效率外,该系统还可能用于没有专家的地区、夜间紧急情况以及难以接受超声心动图检查的患者。”
来源:
https://www.news-medical.net/news/20230706/New-AI-system-could-revolutionize-the-diagnosis-of-valvular-heart-disease.aspx