波士頓——心房顫動——一種不規(guī)則且通常快速的心率——是一種常見的疾病，通常會導(dǎo)致心臟中形成血栓，血栓會傳播到大腦導(dǎo)致中風(fēng)。正如發(fā)表在Circulation 上的一項研究所述，由麻省總醫(yī)院 (MGH) 和麻省理工學(xué)院和哈佛大學(xué)博德研究所的研究人員領(lǐng)導(dǎo)的一個團隊開發(fā)了一種基于人工智能的方法，用于識別有發(fā)生心房顫動風(fēng)險的患者，并可能因此受益于預(yù)防措施。
研究人員開發(fā)了基于人工智能的方法，根據(jù)在 MGH 接受初級保健的 45,770 名患者的心電圖(記錄心臟電信號的無創(chuàng)測試)的結(jié)果，預(yù)測未來五年內(nèi)發(fā)生房顫的風(fēng)險。
接下來，科學(xué)家們將他們的方法應(yīng)用于來自研究的三個大型數(shù)據(jù)集，包括總共 83,162 個人?；?AI 的方法可以單獨預(yù)測心房顫動的風(fēng)險，并且在與已知的臨床風(fēng)險因素相結(jié)合來預(yù)測心房顫動時具有協(xié)同作用。該方法在個體亞組中也具有高度預(yù)測性，例如既往心力衰竭或中風(fēng)的個體。
“我們看到基于心電圖的人工智能算法可以幫助識別心房顫動風(fēng)險最大的個體，”資深作者、MGH 心臟電生理學(xué)家、Broad 的準(zhǔn)成員 Steven A. Lubitz 醫(yī)學(xué)博士、公共衛(wèi)生碩士說。研究所。共同主要作者、醫(yī)學(xué)博士、公共衛(wèi)生碩士、MGH 的電生理學(xué)臨床和研究員 Shaan Khurshid 補充說：“這種算法的應(yīng)用可以促使臨床醫(yī)生修改心房顫動的重要風(fēng)險因素，從而完全降低發(fā)生這種疾病的風(fēng)險。”
Lubitz 補充說，該算法可以作為一種形式的預(yù)篩選工具，用于目前可能正在經(jīng)歷未檢測到的心房顫動的患者，促使臨床醫(yī)生使用更長期的心律監(jiān)測器來尋找心房顫動，這反過來又可能導(dǎo)致中風(fēng)預(yù)防措施.
該研究的結(jié)果還證明了人工智能(在這種情況下涉及一種稱為機器學(xué)習(xí)的特定類型)在推進(jìn)醫(yī)學(xué)方面的潛在力量。“隨著數(shù)據(jù)科學(xué)技術(shù)的爆炸式增長和現(xiàn)有的大量臨床數(shù)據(jù)，機器學(xué)習(xí)有望幫助臨床醫(yī)生和研究人員在加強心臟病學(xué)護(hù)理方面取得長足進(jìn)步，”共同作者、醫(yī)學(xué)博士、首席數(shù)據(jù)官 Anthony Philippakis 說在研究所的埃里克和溫迪施密特中心的布羅德和聯(lián)合主任。“作為一名數(shù)據(jù)科學(xué)家和前心臟病專家，我很高興看到基于機器學(xué)習(xí)的方法如何與我們每天使用的測試和臨床方法相結(jié)合，以幫助我們改進(jìn)風(fēng)險預(yù)測并照顧心房顫動患者。”
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！