西奈山研究人員開發(fā)了一種用于心電圖 (ECG) 分析的創(chuàng)新人工智能 (AI) 模型，可以將 ECG 解釋為語言。這種方法可以提高 ECG 相關(guān)診斷的準(zhǔn)確性和有效性，特別是對于可用于訓(xùn)練的數(shù)據(jù)有限的心臟疾病。
在 6 月 6 日在線出版的npj Digital Medicine上發(fā)表的一項研究中，該團(tuán)隊報告說，其新的深度學(xué)習(xí)模型，稱為 HeartBEiT，構(gòu)成了可以創(chuàng)建專業(yè)診斷模型的基礎(chǔ)。該團(tuán)隊指出，在比較測試中，使用 HeartBEiT 創(chuàng)建的模型優(yōu)于既定的 ECG 分析方法。
“我們的模型始終優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)[CNN]，卷積神經(jīng)網(wǎng)絡(luò)是用于計算機(jī)視覺任務(wù)的常用機(jī)器學(xué)習(xí)算法。此類 CNN 通常在真實世界對象的公開可用圖像上進(jìn)行預(yù)訓(xùn)練，”第一作者、醫(yī)學(xué)博士 Akhil Vaid 說，他是西奈山伊坎醫(yī)學(xué)院的數(shù)據(jù)驅(qū)動和數(shù)字醫(yī)學(xué) (D3M)。“因為HeartBEiT專用于心電圖，它可以使用十分之一的數(shù)據(jù)執(zhí)行與這些方法一樣好，甚至更好。這使得基于心電圖的診斷更加可行，特別是對于影響較少患者的罕見病癥，因此具有可用數(shù)據(jù)有限。”
由于其成本低、無創(chuàng)性和對心臟病的廣泛適用性，僅在美國每年就有超過 1 億次心電圖檢查。盡管如此，ECG 的用途在范圍上是有限的，因為醫(yī)生不能用肉眼始終如一地識別代表疾病的模式，特別是對于沒有建立診斷標(biāo)準(zhǔn)或這些模式對于人類解釋來說可能過于微妙或混亂的情況。然而，人工智能現(xiàn)在正在徹底改變科學(xué)，迄今為止的大部分工作都集中在 CNN 上。
Mount Sinai 正在通過建立在所謂的生成式 AI 系統(tǒng)(例如 ChatGPT)的濃厚興趣的基礎(chǔ)上，將這個領(lǐng)域引向一個大膽的新方向，這些系統(tǒng)建立在 transformer 之上——深度學(xué)習(xí)模型在大量文本數(shù)據(jù)集上進(jìn)行訓(xùn)練以生成類似人類的對用戶關(guān)于幾乎任何主題的提示的響應(yīng)。研究人員正在使用相關(guān)的圖像生成模型來創(chuàng)建心電圖小部分的離散表示，從而能夠?qū)⑿碾妶D作為語言進(jìn)行分析。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！