據(jù)《柳葉刀數(shù)字健康》雜志發(fā)表的研究論文，來(lái)自大阪市立大學(xué)的研究人員招募了一個(gè)深度學(xué)習(xí)的人工智能模型，該模型可以將簡(jiǎn)陋的胸部X光檢查轉(zhuǎn)變?yōu)橐粋€(gè)更有力的心臟問(wèn)題診斷工具，能夠?yàn)樾呐K功能評(píng)估和疾病檢查提供更快速和準(zhǔn)確的方法。

胸部X光是世界上最經(jīng)常進(jìn)行的放射學(xué)檢查，也是衛(wèi)生專業(yè)人員診斷肺部和心臟疾病的常見方法。該方案雖然具有快速且易執(zhí)行的優(yōu)勢(shì)，但所依托的X光作為一種靜態(tài)圖像，無(wú)法提供有關(guān)心臟如何運(yùn)作的信息。

為了更有效地進(jìn)行醫(yī)療診斷，科學(xué)家們需要進(jìn)行更精進(jìn)的超聲心動(dòng)圖檢測(cè)，以評(píng)估心臟的泵送效率如何，以及心室之間的瓣膜是否漏氣或病變。如果心臟瓣膜發(fā)生病變，心臟就不能有效地泵血，不得不更加努力工作，這可能導(dǎo)致心臟衰竭或心臟驟停和死亡。但是，超聲心動(dòng)圖對(duì)應(yīng)用人員有較高的技能要求。

基于此，研究人員寄希望于通過(guò)深度學(xué)習(xí)的人工智能模型將X光胸透轉(zhuǎn)化為更好的診斷工具。所謂深度學(xué)習(xí)，是人工智能使用的一個(gè)過(guò)程，教計(jì)算機(jī)以模仿人腦的方式處理數(shù)據(jù)。該模型可以識(shí)別圖片、文本、聲音和其他數(shù)據(jù)中的復(fù)雜模式，從而產(chǎn)生準(zhǔn)確的洞察力和預(yù)測(cè)。

在對(duì)該模型的訓(xùn)練過(guò)程中，研究人員從四個(gè)機(jī)構(gòu)的16946名患者那里獲得的與22551張超聲心動(dòng)圖相關(guān)的胸部X光片，由此對(duì)模型進(jìn)行深度學(xué)習(xí)訓(xùn)練。其中，X光片被設(shè)定為輸入數(shù)據(jù)，超聲心動(dòng)圖被設(shè)定為輸出數(shù)據(jù)，模型被訓(xùn)練為學(xué)習(xí)連接兩個(gè)數(shù)據(jù)集的特征。在對(duì)深度學(xué)習(xí)模型進(jìn)行測(cè)試時(shí)，研究人員發(fā)現(xiàn)，它可以精確地將六種類型的瓣膜性心臟病分類。

“該訓(xùn)練的原始數(shù)據(jù)來(lái)源于多個(gè)機(jī)構(gòu)，時(shí)間跨度達(dá)9年左右，這將最大限度地減少人工智能產(chǎn)生偏頗結(jié)果的風(fēng)險(xiǎn)?！?據(jù)研究人員介紹，“新型人工智能方法可以補(bǔ)充超聲心動(dòng)圖，特別是在需要快速診斷或技術(shù)人員短缺的時(shí)候。”該研究的主要作者Daiju Ueda說(shuō)：“除了提高醫(yī)生的診斷效率外，該系統(tǒng)還可能用于沒(méi)有專家的地區(qū)，用于夜間急診，以及用于難以接受超聲心動(dòng)圖的病人?！?/p>