Geisinger研究人员发现AI可以预测死亡风险

宾夕法尼亚州丹维尔-Geisinger的研究人员发现，使用心脏超声心动图视频开发的计算机算法可以预测一年内的死亡率。

该算法-被称为机器学习或人工智能(AI)的示例-优于其他临床使用的预测指标，包括汇总队列方程式和Seattle Heart Failure得分。研究结果发表在《自然生物医学工程》上。

“我们很高兴发现机器学习可以利用诸如医学图像和视频之类的非结构化数据集来改善各种临床预测模型，”该系共同资深作者兼助理教授Chris Haggerty博士说。 Geisinger的转换数据科学与信息学系。

成像对大多数医学专业的治疗决策至关重要，并且已成为电子健康记录(EHR)中数据最丰富的组成部分之一。例如，心脏的单次超声可产生约3,000张图像，心脏病专家在众多其他诊断数据的背景下，只有有限的时间来解释这些图像。这为利用诸如机器学习之类的技术来管理和分析该数据并最终为医生提供智能计算机帮助创造了巨大的机会。

在他们的研究中，研究团队使用专门的计算硬件在最近十年中从34362名Geisinger患者收集的812278张超声心动图视频上训练了机器学习模型。这项研究将模型的结果与心脏病学家基于多次调查的预测进行了比较。随后的调查显示，在该模型的辅助下，心脏病专家的预测准确性提高了13%。利用近5000万张图像，这项研究代表了有史以来最大的医学图像数据集之一。

“我们的目标是开发改善患者护理的计算机算法，”盖辛格(Geisinger)转换数据科学与信息学系作者兼高级数据科学家Alvaro Ulloa Cerna博士说。“在这种情况下，我们为我们的算法能够帮助心脏病专家改善对患者的预测而感到兴奋，因为有关治疗和干预措施的决策均基于这些类型的临床预测。”