西奈山研究人員發明了一種新的人工智能技術，可以識別心臟內的微小變化，并準確預測心力衰竭。最近，在美國心臟病學院雜志：心血管成像的發布中，這項研究可以更快地診斷和早期檢測充血性心力衰竭，幫助醫生更有效地治療患者并減緩疾病進展。
“我們證明，深度學習算法可以從 ECG 波形數據中識別心臟兩側的血液泵送問題。通常，診斷這些類型的心臟病需要昂貴且耗時的程序。我們希望該算法能夠更快地診斷心力衰竭。”資深作者 Benjamin S . Glicksberg 是西奈山遺傳學和基因組科學的助理教授，他在一份新聞稿報告中說。
作為 65 歲以上住院患者最常見的診斷，美國有 600 多萬人患有充血性心力衰竭。當心臟無法有效地將血液泵入全身時，就會出現這種情況，血液回流到心臟的速度比泵出的速度快，從而造成充血。隨著身體的補償和疾病的進展，會出現一些副作用，如心臟增大、腎衰竭、心悸和器官氧合不足。
在診斷心臟病時，醫生通常使用心電圖測量心跳和心電活動，同時使用超聲心動圖測量詳細的心臟圖像。然而，診斷心力衰竭需要專業知識，特殊設備并不總是現成的，而且可能很耗時。
通常情況下， ele CTR 心圖變化對人眼來說也太微妙，無法檢測到，導致診斷延遲。
先前的研究已經開發出人工智能算法，用于檢測左心室（將含氧血液推入體內的一側）的弱點。然而，到目前為止，還不存在評估右心室功能的工具，這種工具可以將脫氧血液從身體輸送到肺部，從而導致對患者整個心臟功能的概述不完整。
研究人員致力于創建一個評估左心室和右心室功能的深度學習框架。研究小組使用自然語言處理技術訓練計算機閱讀和處理書面報告，并對148227名患者的超聲心動圖和心電圖進行相關分析。研究人員利用來自西奈山衛生系統四家不同醫院的70多萬份超聲心動圖和電子心電圖報告，訓練神經網絡以發現模式并識別泵送強度。來自第五家醫院的數據用于測試該算法。
模型在符合 HIPAA 的 NVIDIA GPU – 加速 Azure 云虛擬機上進行訓練，虛擬機帶有 NVIDIA V100 張量核 GPU。
該算法以 94% 的準確率預測了哪些患者的左心室功能正常，并在 87% 的時間內識別出左心室功能較弱的患者。右心室功能更難預測，該算法在預測哪些患者右心室瓣膜功能較弱時的準確率達到 84% 。
Glicksberg 說：“我們的研究結果表明，該算法可能是幫助臨床工作者對抗各種患者心力衰竭的有用工具。”。“我們正在仔細設計前瞻性試驗，以在更真實的環境中測試其有效性。”
