将人工智能技术应用于心脏超声数据，可能使识别晚期心力衰竭患者变得更加容易，一项新研究发现。
这项由威尔康奈尔医学院、康奈尔科技、康奈尔安·S·鲍尔斯计算与信息科学学院、哥伦比亚大学瓦格洛斯内外科医学院和纽约长老会医院的研究人员领导的研究，为成千上万因诊断困难而被忽视的患者提供了更好的护理前景。
目前，晚期心力衰竭通过心肺运动测试（CPET）检测，该测试需要专门设备和训练有素的人员，通常只有大型医疗中心才能提供。部分由于这一诊断瓶颈，美国每年估计有20万晚期心力衰竭患者中，只有少数人获得适当护理。
在这项3月3日发表于《npj数字医学》的新研究中，研究人员测试了一种新颖的基于人工智能的方法，可能消除这一瓶颈。新方法利用更易获取的患者心脏超声图像以及患者的电子健康记录，高精度预测CPET最重要的指标——峰值耗氧量（peak VO2）。
“这为利用已嵌入常规护理的数据源更高效地评估晚期心力衰竭患者开辟了一条有前景的途径，”研究资深作者、威尔康奈尔医学院人工智能与数据科学副院长、弗朗西斯和约翰·L·勒布医学信息学教授王飞表示。
这项高度协作的研究不仅涉及王飞的信息学和人工智能专家团队，还包括康奈尔科技影响力副院长黛博拉·埃斯特林领导的团队，以及临床方面由纽约长老会医院晚期心力衰竭与心脏移植主任尼尔·乌里尔博士领导的团队。
实现人工智能在心力衰竭护理中的前景
该期刊论文是心血管AI倡议的首批成果，该倡议由康奈尔、哥伦比亚和纽约长老会医院共同发起，旨在探索利用人工智能改善心力衰竭诊断和管理。近期人工智能的进步不仅催生了流行的消费和商业应用，还训练出了能够检测文本和图像医学数据中疾病相关模式的机器学习模型。
“最初我们召集了40多位心力衰竭专家，询问他们认为人工智能最适用于哪些领域，”乌里尔说，他还担任哥伦比亚大学瓦格洛斯内外科医学院医学系心脏病学西摩、保罗和格洛丽亚·米尔斯坦教授，以及威尔康奈尔医学院格林伯格心脏病学系医学兼职教授。
将人工智能应用于心脏超声数据以帮助识别晚期心力衰竭患者，似乎是最有前景的应用之一。乌里尔随后联系了康奈尔科技、鲍尔斯学院和威尔康奈尔医学院的人工智能专家，他们经过数年合作开发了新的机器学习模型。
“该项目中临床医生与人工智能研究人员之间的密切互动，促成了原本不会探索的新人工智能技术的发展，”埃斯特林说，她是康奈尔科技罗伯特·V·蒂什曼37届计算机科学教授、鲍尔斯学院教授以及威尔康奈尔医学院人口健康科学教授。“因此，这是一个医学塑造人工智能未来的案例——而不仅仅是人工智能塑造医学的未来。”
王飞领导的人工智能团队，包括第一作者黄哲和潘伟森以及鲍尔斯学院的学生和教师，开发了一种多模态、多实例的机器学习模型，能够处理多种不同类型的数据，包括心脏的普通动态超声图像、显示心脏瓣膜动力学和血流的相关波形图像，以及电子健康记录中的各种项目。
该模型在来自纽约长老会医院/哥伦比亚大学欧文医学中心的1000名心力衰竭患者的去标识化数据上进行了训练。训练完成后，该模型被要求预测另外来自三个纽约长老会医院院区的127名心力衰竭患者的峰值耗氧量——即有效确定高风险状态。
结果比以往任何基于人工智能的峰值耗氧量预测都要好。对于用于区分高风险患者与其他患者的工具，研究人员使用了一种度量，该度量涉及样本中随机选择的高风险患者比随机选择的低风险患者具有更高预测风险的概率。这一数字显示总体准确率约为85%，表明它将在临床环境中发挥作用。
该团队已开始规划这一新方法的临床研究，这是获得美国食品药品监督管理局批准和常规临床应用所必需的。
“如果我们能够利用这种方法识别出许多否则不会被发现的晚期心力衰竭患者，那么这将改变我们的临床实践，并显著改善患者预后和生活质量，”乌里尔说。
这项工作部分得到了纽约长老会医院作为心血管AI倡议一部分的资助。
许多威尔康奈尔医学院的医生和科学家与外部组织保持合作并建立关系，以促进科学创新并提供专家指导。该机构公开这些披露信息以确保透明度。有关信息，请参阅王飞博士的个人资料。
吉姆·施纳贝尔是威尔康奈尔医学院的自由撰稿人。
【全文结束】