耗时20多年人工智能可以检测心电图中的肺阻塞血凝块的迹象

耗时20多年 人工智能可以检测心电图中的肺阻塞血凝块的迹象

肺栓塞的危险不言而喻，肺动脉阻塞会产生血凝块。在一项初步研究中，米国西奈山伊坎医学院 (Icahn School of Medicine at Mount Sinai) 的科学家首次表明，人工智能(AI)算法可以从心电图 (EKGs) 中检测出这些血凝块的迹象，这一发现可能在未来帮助医生进行筛查。

发表在《欧洲心脏杂志-数字健康》（European Heart Journal – Digital Health）上的研究结果表明，新的机器学习算法，旨在利用心电图和电子健康记录(EHR)数据的结合，在确定中度至高危患者是否真的有肺栓塞方面，可能比目前使用的筛查试验更有效。

该研究由医学博士 Sulaiman S. Somani 领导，他曾是 Benjamin S. Glicksberg 博士实验室的医学生、遗传学和基因组科学助理教授，也是西奈山 Hasso Plattner 数字健康研究所的成员。

当深静脉血栓（通常在腿部或手臂中形成）脱离并阻塞肺动脉时，就会发生肺栓塞。这些血凝块可能是致命的或导致长期肺损伤。虽然有些患者可能会出现气短或胸痛，但这些症状也可能预示着与血栓无关的其他问题，使医生难以正确诊断和治疗病例。此外，目前的官方诊断依赖于计算机断层扫描肺血管造影 (CTPA)，这是一种耗时的胸部扫描，只能在特定医院进行，并且要求患者暴露于潜在危险水平的辐射中。

为了使诊断更容易、更方便获得，研究人员花了 20 多年时间开发先进的计算机程序或算法，旨在帮助医生确定高危患者是否真的患有肺栓塞。结果喜忧参半。例如，使用 EHR 的算法在准确检测血凝块方面产生了广泛的成功率，并且可能是劳动密集型的。同时，更准确的数据在很大程度上取决于来自 CTPA 的数据。

在这项研究中，研究人员发现，依赖 EKG 和 EHR 数据的融合算法可能是一种有效的替代方案，因为 EKG 广泛可用且相对易于管理。

研究人员根据 21,183 名西奈山卫生系统患者的数据创建并测试了各种算法，这些患者表现出中度至高度可疑的肺栓塞迹象。虽然一些算法旨在使用心电图数据来筛查肺栓塞，但其他算法旨在使用 EHR 数据。在每种情况下，该算法通过将心电图或 EHR 数据与 CTPA 的相应结果进行比较，学会了识别肺栓塞病例。最后，通过将性能最佳的 EKG 算法与性能最佳的 EHR 算法相结合，创建了第三种融合算法。

学习设计

结果表明，融合模型不仅优于其父代算法，而且在识别特定肺栓塞病例方面也优于 Wells 标准修订日内瓦评分和其他三个目前使用的筛查测试。研究人员估计，融合模型在准确筛查急性栓塞病例方面的效率提高了 15% 到 30%，并且该模型在预测最严重的病例方面表现最佳。此外，无论种族或性别是否作为一个因素进行测试，融合模型的准确性都保持一致，这表明它可能有助于筛查各种患者。

附该研究论文摘要图解：