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及纽约长老会医院的研究人员共同领导的研究，为许多因诊断困难而被忽视的患者提供了更好护理的前景。
目前，晚期心力衰竭通过心肺运动测试（CPET）检测，该测试需要专用设备和训练有素的工作人员，通常仅在大型医疗中心提供。部分由于这一诊断瓶颈，美国每年约20万晚期心力衰竭患者中只有少数得到适当治疗。
在这项新研究中，研究人员测试了一种新颖的基于AI的方法，该方法可能消除这一瓶颈。该新方法通过更易获取的患者心脏超声图像以及患者的电子健康记录，以高精度预测CPET中最关键的指标——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希望的途径，”研究资深作者、威尔康奈尔医学院AI与数据科学副院长、医学信息学Frances and John L. Loeb教授王飞（Fei Wang）说。
这项高度协作的研究不仅包括王飞领导的信息学和AI专家团队，还包括康奈尔科技影响力副院长Deborah Estrin领导的团队，以及临床方面纽约长老会医院晚期心力衰竭与心脏移植主任Nir Uriel博士。
在心力衰竭护理中实现AI的潜力
该期刊论文是心血管AI倡议的首批成果，该倡议是康奈尔大学、哥伦比亚大学和纽约长老会医院为探索利用AI改善心力衰竭诊断和管理而进行的广泛努力。AI的最新进展不仅催生了流行的消费和商业应用，还使机器学习模型能够训练出检测文本和图像医学数据中疾病相关模式。
“最初我们召集了40多名心力衰竭专家，询问他们认为AI最适用于哪些领域，”Uriel说，他也是哥伦比亚大学瓦格洛斯内外科医学院心脏病学系的Seymour、Paul和Gloria Milstein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AI对心脏超声数据进行分析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。随后，Uriel联系了康奈尔科技、康奈尔鲍尔斯学院和威尔康奈尔医学院的AI专家，他们经过数年的合作开发了新的机器学习模型。
“该项目中临床医生与AI研究人员之间的紧密互动最终推动了新AI技术的发展，否则这些技术可能不会被探索，”Estrin说，她是康奈尔科技Robert V. Tishman ’37计算机科学教授、康奈尔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AI未来——而不仅仅是AI塑造医学未来——的案例。”
由王飞领导的AI团队，包括主要作者黄哲（Zhe Huang）和潘伟森（Weishen Pan）以及康奈尔鲍尔斯学院的学生和教师，开发了一种多模态多实例机器学习模型，该模型可以处理几种不同的数据类型，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1000名心力衰竭患者的去标识化数据进行了训练。训练完成后，该模型被用来预测另外127名来自其他三个纽约长老会医院院区的心力衰竭患者的峰值耗氧量——即有效确定高风险状态。
结果优于以往任何基于AI的峰值耗氧量预测。对于旨在区分高风险患者与其他患者的工具，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被预测的风险高于随机选择的低风险患者的概率相关。该案例中的这一数字表明总体准确率约为85%，这表明该工具在临床环境中将是有用的。
该团队已开始规划新方法的临床研究，这将需要获得美国食品药品监督管理局的批准和常规临床采用。
“如果我们能利用这种方法识别出许多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，并显著改善患者的预后和生活质量，”Uriel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关系并开展合作，以促进科学创新并提供专家指导。该机构公开披露这些信息以确保透明度。有关此信息，请参见王飞博士的个人资料。
Jim Schnabel是威尔康奈尔医学院的自由撰稿人。
【全文结束】