研究发现：AI 有可能潜在地检测心力衰竭风险

根据一项研究，人工智能可能有助于检测心力衰竭风险人群。邓迪大学医学院的研究人员利用人工智能在早期阶段改善心力衰竭的诊断和控制。 

延伸阅读： 欧洲审计院批评欧盟未能协调AI投资

研究人员通过机器学习技术，对数千名患者的心脏超声图像进行分析，以检测导致心力衰竭的心脏问题微小迹象。这将大大提高诊断效率，并使医疗保健行业的患者受益。

研究人员利用人工智能可视化心脏形状中的模式

为了实现这一目标，由Chim Lang教授领导的研究团队使用了试验性人工智能深度学习方法来读取和分析从基于人口的健康记录和心脏扫描中收集的心脏超声图像。这使他们能够可视化心脏形状和功能中的模式，这些模式可能会使患者面临更高心力衰竭风险。

研究发现，人工智能可用于检测心力衰竭风险。https://t.co/TkUuruMLMs

— STV新闻 (@STVNews) 5 月 30, 2024

研究人员使用了苏格兰健康研究登记处和生物库（SHARE）中患者自愿提供的数据。他们最初选择了15,000份患者记录的数据集，最终样本为578名患者。

AI心脏扫描更精确

在人工智能辅助下进行的心脏扫描提供的测量结果比传统方法更为精确。 根据主导该研究的Chim Lang教授的说法，AI软件提供了心脏结构和功能方面的更多特征，这对于心力衰竭的诊断至关重要。

“我们的研究代表了在利用深度学习自动解释心脏超声图像方面的进步。这将使我们能够在电子健康记录数据集中大规模简化心力衰竭患者的识别流程。”

Lang教授

与从EHR数据设置中检索的平均扫描相比，AI增强的心脏超声图像提供了更清晰定义的心脏大小和功能。这种细节水平，加上在更大规模上处理图像的能力，可能会加速临床试验中的患者选择，或有助于在整个医疗保健系统中监督监测心力衰竭。

延伸阅读： Opera集成Google的Gemini模型以增强Aria浏览器AI

心力衰竭仍然是一个常见的临床和公共卫生问题。这是一种心脏无法将足够的血液泵送到身体其余部分的状态。目前尚无治愈方法，但生活方式的改变、手术和药物可以帮助控制症状和疾病的进展，而疾病通常会随时间推移而恶化。

利用患者记录，研究人员利用机器学习来识别仅凭心脏超声图像分析难以察觉的结构和功能异常。

AI检测传统分析无法追溯的异常

在接受采访时，Lang教授表示，这项研究在改善患者生活方面具有巨大潜力。他提到，基于对标志性患者记录的评估，团队能够检测到形态学和机制上的异常，这些异常在标准的二维心脏超声图像上是看不到的。

“通过评估大量患者记录，我们能够检测到结构和功能异常，而这些异常是我们无法通过传统的心脏超声图像分析做到的。”

Lang教授

发表在《 ESC 心力衰竭杂志》上的研究突出了人工智能改变医疗保健的能力，有助于早期诊断这些具有挑战性的疾病。据称，在软件开发商Us2和罗氏诊断国际公司（ROCH Diagnostics International）的资金支持下，该研究为人工智能在预测性诊断和个性化治疗中的应用开辟了进一步探索的道路。

Cryptopolitan 记者 Chris Murithi 报道