AI化身心脏病“专家”，检测疾病更快更**！

2018-03-15 佚名药明康德AI

在美国，每天有2000多名患者心脏病发作，其中超过400人未能及时接受治疗。当有物体阻塞了向心脏供血的动脉时，就会导致心脏病发作。如果没有血液，心脏会因没有必需的养分而无法正常运作，开始出现衰竭现象。病人等待治疗的时间越长，就越可能对心脏造成不可挽回的损伤。因此，对心脏病进行及时检测和治疗，成为了挽救患者生命的关键。

在美国，每天有2000多名患者心脏病发作，其中超过400人未能及时接受治疗。当有物体阻塞了向心脏供血的动脉时，就会导致心脏病发作。如果没有血液，心脏会因没有必需的养分而无法正常运作，开始出现衰竭现象。病人等待治疗的时间越长，就越可能对心脏造成不可挽回的损伤。因此，对心脏病进行及时检测和治疗，成为了挽救患者生命的关键。

虽然研究人员在心脏病发作检测方面已经取得了一些进展，但其检测的基本方法与一个世纪前并没有任何差别。目前，医生普遍使用于20世纪初研发的心电图（ECG）来监测心脏的电活动。根据心脏病发作的位置和严重程度，ECG的某些区域可能会出现变化。然而，这些变化很小且不稳定，并且只包括心脏所有电信号的一小部分。随着科学技术的发展，研究人员已经将不同的信号处理方式和其他复杂的数学操作应用于心电图中，但这些处理方式仍然无法表现出每个人心脏的差异。

就像所有人的指纹都各不相同一样，每个人的心脏形状和搏动力度也略有不同，这导致自己的心电图信号也不同于其他人。更何况，安放在身体表面检测设备和心脏之间的空间可能因患者的体重、性别和身体类型而大不相同。所有的这些变化导致自动化系统很难对在某一时刻的心脏状况进行预测。为了解决这一难题，我们需要研发一个新系统，可以根据每个人独特的心脏形状和信号进行调整，从而检测是否有心脏病发作。

▲心电图是医生用来检测心脏情况的最普遍方式（图片来源：Pixabay）

为了改进心电图测量技术，研究团队利用计算机科学的最新成果机器学习技术来“教”计算机读取心电信号。结合机器学习技术之后，心电图可以告诉我们比以前更多的有关心脏的信息。

机器学习的工作原理

研究人员利用机器学习技术，训练计算机识别数据集中不易被肉眼识别出来的特征。研究人员给计算机提供了多组具有不同特征的分类数据，让计算机“学习”数据集中的那些决定数据分类的特征。计算机检测到的这些特征通常非常细小且复杂，并且可能难以被肉眼区分。一旦计算机了解了不同类别的对应特征，它就可以应用这些知识来确定新数据集所属的类别。

我们如何应用机器学习？

犹他大学的科学计算和成像研究所（The Scientific Computing and Imaging Institute, SCI）在生物医学计算和可视化方面处于世界领先地位。SCI研究所的总体研究目标是创建新的科学计算技术、工具和系统，从而为生物医学、科学和工程领域的许多重要问题提供解决方案。同时，SCI研究所也致力于利用现代计算的强大功能和通用性来推动各个领域的进步。

SCI研究所的研究人员已经开始使用机器学习来检测心脏信号的变化，而这些心脏信号可以反映出心脏病发作的最初特征。研究人员将电信号从心脏中隔离出来，并在模拟心脏病发作之前、期间和之后检查信号变化。然后，计算机将会读取这些信号，并将数据分为“有心脏病发作”和“没有心脏病发作”这两个类别。计算机可以更快地确定心脏病发作的开始时间，和人类相比速度提升了10%。同时，计算机在检测心脏病发作的早期迹象时，其精确度也比人类提高了32％。

心脏病检测的未来

利用机器学习帮助医生进行心脏病检测，可以推动心脏病学领域的发展。心脏病是人们生活中遇到的最恶劣的疾病之一，医生会使用人工智能和机器学习等更先进的技术来检测和帮助治疗这一疾病。对于那些因遗传或环境因素而有患有心脏病发作风险的患者，也可以使用这种技术进行检测。这项研究提供了一种了解和检测心脏病发作的新方法，甚至可能降低心脏病发作的死亡率。

我们希望，未来机器学习技术可以被应用到更多疾病的检测和诊断中，从而让更多的患者从中受益。

作者：佚名

版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言