将人工智能技术应用于心脏超声数据，可能更容易识别出晚期心力衰竭患者，一项新研究发现。该研究由威尔康奈尔医学院、康奈尔科技校区、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 investigators 领导，为成千上万因诊断困难而可能被忽视的患者提供了更好的治疗前景。
目前，晚期心力衰竭通过心肺运动测试（CPET）检测，这需要专门的设备和训练有素的工作人员，通常只有大型医疗中心才能提供。部分由于这一诊断瓶颈，美国估计有20万晚期心力衰竭患者中，每年只有少数人得到适当的治疗。在3月3日发表在《npj数字医学》上的新研究中，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。新方法利用更容易获得的心脏超声图像和患者的电子健康记录，以高精度预测最重要的CPET指标——峰值摄氧量（peak VO2）。
“这为使用已嵌入常规护理的数据源，更有效地评估晚期心力衰竭患者开辟了一条有前景的途径，”该研究的高级作者、威尔康奈尔医学院人工智能与数据科学副院长、Frances and John L. Loeb医学信息学教授王飞（Fei Wang）博士表示。
这项研究高度协作，不仅涉及王博士的信息学和人工智能专家团队，还包括康奈尔科技校区影响力副院长黛博拉·埃斯特林（Deborah Estrin）博士领导的团队，以及临床方面由纽约长老会医院晚期心力衰竭和心脏移植主任尼尔·乌列尔（Nir Uriel）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人工智能倡议的首篇成果，这是康奈尔大学、哥伦比亚大学和纽约长老会医院的一项广泛努力，旨在探索利用人工智能改善心力衰竭诊断和管理。人工智能的最新进展不仅催生了流行的消费和商业应用，还训练了机器学习模型，用于检测文本和图像医学数据中的疾病相关模式。
“最初，我们召集了超过40名心力衰竭专家，询问他们哪些领域他们认为人工智能最能发挥作用，”乌列尔博士说，他也是哥伦比亚大学瓦格洛斯内外科医学院医学系Seymour、Paul和Gloria Milstein心脏病学教授，以及威尔康奈尔医学院格林伯格心脏病学部的医学兼职教授。
利用人工智能分析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。乌列尔博士随后联系了康奈尔科技校区、康奈尔鲍尔斯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。
“该项目中临床医生和人工智能研究人员之间的紧密互动，最终推动了新人工智能技术的发展，否则这些技术可能不会被探索，”埃斯特林博士说，她是康奈尔科技校区Robert V. Tishman '37计算机科学教授、康奈尔鲍尔斯教授，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未来。”
由王博士领导的人工智能团队，包括主要作者黄哲（Zhe Huang）博士和潘伟森（Weishen Pan）博士，以及康奈尔鲍尔斯的学生和教师，开发了一种多模态、多实例机器学习模型，可以处理多种不同的数据类型，包括普通的心脏动态超声图像、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。
该模型使用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进行训练。训练完成后，该模型负责预测另一组来自其他三个纽约长老会医院院区的127名心力衰竭患者的峰值摄氧量——有效确定高风险状态。
结果优于以往任何基于人工智能的峰值摄氧量预测报告。对于旨在区分高风险患者和其他患者的工具，研究人员使用了一种衡量指标，该指标与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相关。在这种情况下，该数字表明总体准确率约为85%，表明它在临床环境中将有用。
该团队已开始规划新方法的临床研究，这是获得美国食品药品监督管理局批准和常规临床采用所必需的。
“如果我们能用这种方法识别出许多原本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，并显著改善患者的生活质量和预后，”乌列尔博士说。
许多威尔康奈尔医学院的医生和科学家与外部组织保持联系并合作，以促进科学创新并提供专家指导。该机构公开这些披露以确保透明度。有关此信息，请参阅王飞博士的个人资料。
这项工作部分由纽约长老会医院作为心血管人工智能倡议的资金支持。
【全文结束】