近年来，人工智能(AI)已逐渐渗透到心血管医学的各个领域，这与社会更广泛的趋势相呼应。TCTMD采访了纽约大学朗格尼健康中心(NYU Langone Health)的心脏电生理学家Lior Jankelson医学博士、哲学博士，他领导该中心的心脏病学人工智能/机器学习(AI/ML)团队，讨论了他开发新型AI工具的工作。
哪些数据源可以纳入AI模型？
心血管健康领域为AI提供了大量机遇。作为心脏电生理学家，我显然偏向于心电图(EKG)，但我认为我们拥有众多信息丰富的数据源，我们的总体目标是充分利用已有的工具。我的理念是：与其寻找新的检测方法、新的血液检查、新的分子或新的能量形式——这些固然非常重要——我们完全可以更好地利用已有的资源。这正是我工作的前提。
一般来说，例如，每位50岁以上进入急诊科(ED)的患者通常都会接受心电图和X光检查。其中包含的大量信息不一定与急诊就诊的主要原因相关。假设某人因咳嗽或发烧就诊，因此接受了肺炎或流感的X光检查。该X光片及就诊期间收集的其他数据中蕴含着大量可用于心血管健康完全不同目的的信息。我们正尝试利用这些已有资源来指导我们的决策和知识。我认为这些工具将在不久的将来变得非常重要。
这里的每个人都对这个时代及其带来的机遇感到非常兴奋。
你们在纽约大学开发了哪些AI工具？
我们正在开发一系列AI工具，包括心电图AI工具，其中包含主要专注于标准12导联心电图之上的AI层算法。还有一些模型整合了多种数据源，包括电子健康记录(EHR)数据、影像数据和心电图数据，为更复杂、多方面且难以建模的问题提供预测和分类。
此外，我们在语言模型方面也有大量工作。例如，我们开发了一种工具来简化心血管影像报告，使患者能够收到使用通俗语言而非充满专业术语的复杂超声报告的沟通内容。患者仍会收到完整报告，但同时还会获得一份他们能够理解、更有帮助的报告。
在心电图领域，我们开发的一个例子是用于检测疑似急性冠脉综合征(ACS)患者冠状动脉闭塞的算法，该算法即将在研究环境中部署。此外，我们还有预测心房颤动、预测心力衰竭和低射血分数的模型。我们能预测药物不良反应，表现为QT间期延长。我们还有一种预测肥厚型心肌病的工具。这些都与心电图相关的工具。
需要明确的是，我们目前尚未在研究之外的临床环境中使用这些工具，但这些都是功能完备的研究工具，结果非常有希望。例如，我们正在进行一项前瞻性随机试验，通过显示正常窦性心律的心电图预测心房颤动。医护人员会收到警报，我们建议根据这些警报采取行动。我们正试图了解当理论应用于实践时，这是否真的有益。我们还有其他处于临床试验和临床开发不同阶段的AI工具。
你们距离在常规实践中部署AI工具还有多远？
显然，我们必须遵守并符合现有的监管途径，因此要在临床环境中真正部署AI工具，我们需要向FDA提交数据并获得算法批准。
但如果问我们总体上距离有多近？我认为已经非常接近了。有大量证据表明，特别是对于心电图，AI的应用开辟了人类无法比拟的全新洞察维度。
以胸痛为例，可以说专家医生应该能够识别心电图中的变化。然后问题就变成了自动化问题：计算机是否更可靠、犯错更少、并且随时可用？这些显然是非常重要的方面。当您尝试从正常心律预测心律失常时，正常心电图上基本上没有已知的标记表明心房颤动高风险。有些患者可能有非常非特异性的信号，但全科医生在患者呈现窦性心律时，不太可能从正常心电图中发现这些迹象。在许多此类场景中，AI确实能够看到人类无法察觉的事物。
在考虑将AI更大程度地整合到临床实践中时，需要解决的主要问题或担忧是什么？
这始于最基本的问题，即有效性。对于任何测试，都应有关于其敏感性、特异性、准确性、阳性预测值和阴性预测值的明确信息和数据。我们必须理解测试本身，这些必须经过彻底研究。
然后是AI的一个独特方面，即臭名昭著的"黑箱"特性。对此的担忧可能在某种程度上被夸大了，因为我认为可以有力地论证，许多日常使用的药物作用机制被理解得非常不充分，但这并不妨碍这些药物的使用。这是我们所有人都接受的事实。
以类似的方式思考，我认为对神经网络内部层次缺乏理解并不会妨碍它成为有用的临床工具，但确实存在这种特性。语言模型甚至更难理解。我们并不真正了解它们如何做出预测。显然，一般概念和算法是被理解的，但在非常深层次和非常复杂维度下实际发生的事情却 poorly understood（理解不足）。这是另一个普遍的担忧。
我也非常关注AI对日常医疗和医疗服务流程的实际影响。因为这些工具如此具有变革性和强大，它们可能会产生巨大影响。积极的一面很明显，但负面影响也必须考虑到。
这包括对齐问题。现在我们有了所有这些AI预测，谁来处理这些预测？谁向患者传达这些信息？谁管理AI生成的患者流程？这是我们应该添加到当前执业者工作流程队列中的内容吗？这可能不是一个好主意，因为我们已经知道整个医疗系统中的医护人员工作相当繁重。因此进一步分散他们对这些新工具的注意力是非常有问题的。我们必须想办法解决这个问题。
然后，患者准备好了吗？他们是否愿意与AI互动或接受AI对其医疗保健的影响？我们是否足够了解如何沟通、如何管理这种关系？现在我们之间出现了某种新事物。
这些都是非常重要的挑战，这也是我们正在测试的另一个方面。我们正在设计试验，研究一个完整的"AI优先"工作流程，其中有一个指定的预定义解决方案来管理AI。因此有一个AI诊所，该AI诊所与患者互动，患者由在专门围绕AI构建的环境中接受过特殊培训的专业人员接诊。
这就是事情将要发展的方向。可能会有一个过渡阶段，我们将看到这些由人类专家管理所有这些关系的混合解决方案。然后我认为我们将逐渐越来越多地转向自动化。但在短期和中期，这些"AI优先"、以人为本、独立的工作流程需要被创建和测试。
【全文结束】
