创新的人工智能工具从心电图照片中检测隐藏的心脏疾病

一种新的深度学习应用程序提供了一种左心室(LV)收缩功能障碍的自动筛查方法。这种情况大大降低了心脏的泵血能力，并与频繁住院和过早死亡的双重风险有关。通过及时检测和开始药物治疗，左心室功能障碍是可以预防的。然而，在症状出现之前识别疾病并不可行。

为了应对这一挑战，心血管数据科学实验室 (CarDS) 实验室的医学博士、理学硕士 Rohan Khera和他的团队开发了一种新的基于人工智能 (AI) 的心电图 (ECG) 解释，专为全球使用而设计。该研究发表在 7 月 25 日的《Circulation》杂志上。

如果没有超声心动图或 MRI 扫描，心脏病专家无法识别左心室功能障碍的患者。诊断左心室收缩功能障碍(心脏主腔的弱点)需要进行心脏成像。该疾病的广泛筛查受到技术和现有专业知识的限制。然而，心电图是全球临床实践中最容易获得的心血管诊断测试。

在他们的设计中，该团队包含了近 400,000 个心电图以及来自成像测试的心脏功能障碍数据。该算法使用来自多家诊所和医院以及巴西大型社区队列的数据进行了不同格式的测试。

Khera 说：“我们证明，12 导联心电图的简单照片或扫描图像是最受认可且最容易获得的心脏测试，可以提供有关心脏结构和功能障碍的重要见解。” “这为最终为此类疾病提供筛查工具提供了可能性，这些疾病影响全球多达二十分之一的成年人。由于无法进行高级检测或仅针对有症状的疾病，他们的诊断经常被延迟。现在我们可以识别这些疾病患者只需使用简单的网络或智能手机应用程序即可。” 本文附带了此类应用程序的一个版本，由 CarDS 实验室托管用于演示。

该研究的第一作者、CarDS 实验室成员、罗德学者 Veer Sangha 表示：“我们的方法创建了心电图图像的超级阅读器，可以识别左室收缩功能障碍的特征，而人眼无法准确解读这些特征。”。

“我们的人工智能工具可以进行早期诊断和治疗，还可以识别那些未来有发展左室功能障碍风险的人，”Khera 说。“这些发现代表了我们为使人工智能驱动的高级心电图推理应用变得可用而做出的持续努力。

该工作此前曾获得心脏协会颁发的伊丽莎白·巴雷特-康纳早期职业研究者研究奖、耶鲁大学布拉瓦尼克创新基金奖和威尔逊奖。

这项研究得到了国立卫生研究院国家心肺血液研究所 K23HL153775 奖的部分资助。