西奈山研究人员发明了一种新的人工智能技术，可以识别心脏内的微小变化，并准确预测心力衰竭。最近，在美国心脏病学院杂志：心血管成像的发布中，这项研究可以更快地诊断和早期检测充血性心力衰竭，帮助医生更有效地治疗患者并减缓疾病进展。
“我们证明，深度学习算法可以从 ECG 波形数据中识别心脏两侧的血液泵送问题。通常，诊断这些类型的心脏病需要昂贵且耗时的程序。我们希望该算法能够更快地诊断心力衰竭。”资深作者 Benjamin S . Glicksberg 是西奈山遗传学和基因组科学的助理教授，他在一份新闻稿报告中说。
作为 65 岁以上住院患者最常见的诊断，美国有 600 多万人患有充血性心力衰竭。当心脏无法有效地将血液泵入全身时，就会出现这种情况，血液回流到心脏的速度比泵出的速度快，从而造成充血。随着身体的补偿和疾病的进展，会出现一些副作用，如心脏增大、肾衰竭、心悸和器官氧合不足。
在诊断心脏病时，医生通常使用心电图测量心跳和心电活动，同时使用超声心动图测量详细的心脏图像。然而，诊断心力衰竭需要专业知识，特殊设备并不总是现成的，而且可能很耗时。
通常情况下， ele CTR 心图变化对人眼来说也太微妙，无法检测到，导致诊断延迟。
先前的研究已经开发出人工智能算法，用于检测左心室（将含氧血液推入体内的一侧）的弱点。然而，到目前为止，还不存在评估右心室功能的工具，这种工具可以将脱氧血液从身体输送到肺部，从而导致对患者整个心脏功能的概述不完整。
研究人员致力于创建一个评估左心室和右心室功能的深度学习框架。研究小组使用自然语言处理技术训练计算机阅读和处理书面报告，并对148227名患者的超声心动图和心电图进行相关分析。研究人员利用来自西奈山卫生系统四家不同医院的70多万份超声心动图和电子心电图报告，训练神经网络以发现模式并识别泵送强度。来自第五家医院的数据用于测试该算法。
模型在符合 HIPAA 的 NVIDIA GPU – 加速 Azure 云虚拟机上进行训练，虚拟机带有 NVIDIA V100 张量核 GPU。
该算法以 94% 的准确率预测了哪些患者的左心室功能正常，并在 87% 的时间内识别出左心室功能较弱的患者。右心室功能更难预测，该算法在预测哪些患者右心室瓣膜功能较弱时的准确率达到 84% 。
Glicksberg 说：“我们的研究结果表明，该算法可能是帮助临床工作者对抗各种患者心力衰竭的有用工具。”。“我们正在仔细设计前瞻性试验，以在更真实的环境中测试其有效性。”
