耶鲁研究人员开发预测心肌病的人工智能工具

耶鲁大学医学院心血管数据科学（CarDS）实验室的研究团队发表了一项研究，详细介绍了他们新开发的人工智能工具，该工具可以在医生通常诊断前数年筛查出心肌病。

CarDS实验室成立于2020年，在过去五年中一直致力于创建基于人工智能的应用程序，以改进心肌病的医学诊断。

“我们希望设计可以与易于执行且社区容易获得的测试一起使用的人工智能工具，”Evangelos Oikonomou博士告诉《新闻报》。“我们不一定想为那些非常难以获得或仅限于特定高资源环境的技术构建人工智能工具。”

研究团队几乎两年前开始着手撰写资助提案，并花费大约一年半的时间从不同医院收集数据以训练人工智能模型。

该团队专注于开发依赖于便携式超声设备的数据提供的人工智能模型，这种设备可以通过将超声探头插入智能手机来获得心脏的详细图像。这种测试广泛应用于医疗提供者，但主要用于粗略评估心脏功能和是否存在明显异常。

根据Oikonomou的说法，即使使用便携式超声，许多异常心脏状况仍然未被发现。识别表明心肌病的模式需要广泛的培训和专业知识，专家操作员很难仔细检查每张超声图像。

“我们发现，该模型实际上能够识别出肉眼可见但未经训练的操作员无法检测到的模式，”Oikonomou说。“不仅如此，它似乎还能在临床医生怀疑病情之前就检测出这些状况。”

该研究主要关注两种心肌病——肥厚型心肌病和淀粉样变心肌病，这两种疾病都使得心脏难以泵血。

Oikonomou指出，医学界已经意识到这种疾病的普遍程度远高于以前的认识，而缺乏专家操作员和有效的诊断工具在过去使得这些疾病难以检测。

为了训练其人工智能模型，团队使用了过去十年间来自耶鲁健康系统超过30,000名患者的真实世界数据。

在创建功能性训练模型后，他们开始测试此前未被人工智能模型见过的患者视频，这些患者是在耶鲁健康系统的急诊室、耶鲁纽黑文健康系统和西奈山健康系统中使用便携式超声设备进行筛查的。

虽然肥厚型心肌病是先天性的，而淀粉样变心肌病是在生命过程中获得的，但这两种疾病都是渐进性的，这意味着该模型可以在早期阶段检测到疾病，而这些阶段是肉眼或未经训练的眼睛无法察觉的。

“我们发现该算法可以在实际诊断前平均两年检测到疾病，”Oikonomou说。“我们还发现，很多从未接受过这些条件测试的患者被我们的模型标记为高风险，这些患者最终出现了更糟糕的结果。”

Oikonomou指出，该模型对患者的危险进行了分层，被标记为阳性的患者比阴性的患者更容易使疾病更快进展。

人工智能模型准确检测了两种类型的心肌病，其AUROC分别为0.95和0.98，这是用于评估二元分类模型的性能指标，其中达到1被视为“完美模型”，并在纽约西奈山医院系统测试中表现良好。

CarDS实验室发布了这一人工智能应用程序，供任何研究人员访问。

“我们需要利用人工智能。我们需要利用人工智能使这些技术更具可及性和可扩展性，”Oikonomou告诉《新闻报》。

人工智能已越来越多地融入医疗实践。然而，这些技术的成功广泛应用取决于其成本效益和可用性。

CarDS实验室使用便携式超声设备，因为它是社区筛查异常心脏疾病的有效工具，成本低于2,000美元，并且可以轻松插入智能手机。

Oikonomou强调了与西奈山外部合作者合作的重要性，后者独立运行了人工智能模型，而无需传输他们的数据。

“这种多站点验证确认了该模型在暴露于新环境和患者分布时的可靠性，超越了模型开发期间所见的情况，”CarDS实验室的博士生Gregory Holste说。

Oikonomou表示，他们正在设计一项临床试验，一些提供者将能够使用这些人工智能工具，而另一些则不能。几年后，这项试验的结果应该能揭示使用人工智能技术检测异常心肌病病例的临床价值。

(全文结束)