革命性 AI 工具以 93% 的灵敏度检测瓣膜性心脏病

在一项突破性进展中，史蒂文斯理工学院的研究人员公布了一种新型 AI 驱动的诊断工具，能够以惊人的准确性检测和分类瓣膜性心脏病 (VHD)。 

这项创新技术有望弥合 VHD 早期检测和治疗方面的差距，这是一种在常规听诊器检查中经常被忽视的疾病。这项研究的结果刊登在 2023 年 9 月《IEEE 生物医学工程汇刊》的封面上，显示该 AI 工具检测 VHD 的灵敏度高达 93%，特异性为 98%。

检测瓣膜性心脏病的挑战

瓣膜性心脏病的特点是心脏瓣膜异常，可能导致一系列心脏问题。传统的诊断方法依赖于医疗保健专业人员使用听诊器敏锐的听力来检测心脏瓣膜产生的独特声音。然而，人体是一个嘈杂的环境，在血液涌动、肚子咕噜声和呼吸呼啸声等声音的嘈杂声中，医生很容易错过瓣膜疾病的微妙迹象。

该项目的主要研究员、电气和计算机工程副教授 Negar Ebadi 对此挑战发表评论，表示：“大多数 VHD 病例因人为错误而被遗漏——所以我们引入 AI 来帮助人类。”

AI 辅助诊断的突破

史蒂文斯理工学院的研究团队引入了一种诊断 VHD 的创新方法。他们使用接触式麦克风，直接从患者胸部捕捉声音振动，录制了 10 秒的音频样本。 

这些录音随后通过一个从语音处理算法改编的 AI 模型进行处理，该算法通常用于在嘈杂环境中隔离声音。在这种情况下，AI 不是被训练来识别声音，而是被训练来识别特定类型心脏病的音频特征。

论文的第一作者 Arash Shokouhmand 解释说：“不同之处在于，我们不是在检测单独的声音，而是在检测特定类型心脏病的音频特征。”这种新颖的方法允许神经网络从单个音频样本中快速识别五种不同的瓣膜疾病，即使单个患者同时患有多种疾病。

这款 AI 诊断工具的独特之处在于其能够同时检测多种疾病。Shokouhmand 强调了这一创新，表示：“我们不仅展示了存在瓣膜问题——我们还能识别患者遭受的一系列问题。”这标志着对以往基于 AI 的 诊断方法 的重大进步，后者通常准确性较低且范围有限。

此外，研究人员通过利用加速度计简化了流程，消除了对复杂且笨重机械的需求。这种方法不仅提高了准确性，还为进一步的改进打开了大门。

未来前景与扩展

研究团队当前的目标是积累更多数据，以开发能够按严重程度对疾病进行分类的系统。这意味着不仅要识别瓣膜疾病的存在，还要分配一个等级来表示疾病进展的程度。这种细粒度的诊断可以通过指导定制的治疗策略来彻底改变患者护理。

超越VHD，团队设想将其基于AI的诊断方法扩展至检测其他循环系统疾病，从而进一步提升其在医疗保健领域的实用性。最终，他们的目标是将这一尖端技术带入全国各地的医生诊所，确保更少的心脏疾病被漏诊。

在漏诊和延误治疗频发的医疗环境中，这款AI驱动的诊断工具的出现代表了一次重大的范式转变。凭借其卓越的准确性和进一步开发的潜力，它有望彻底改变心血管疾病的检测和管理方式。