西奈山的研究人员已经校准了一种人工智能（AI）算法，以更高效和准确地识别患有肥厚型心肌病（HCM）的患者，并在医生就诊时将他们标记为高风险人群。
美国食品药品监督管理局（FDA）此前已授权该算法（称为Viz HCM）用于心电图（ECG）上检测HCM。西奈山的研究进一步增强了该算法，为其结果分配了数值概率。
根据西奈山的研究，该算法之前可能将结果标记为“疑似HCM”或“HCM高风险”，但这些结果的解释存在差异。
“你有大约60%的概率患有HCM。”
——Joshua Lampert博士，研究通讯作者及西奈山福斯特心脏医院机器学习主任
那些以前未被诊断为HCM的患者现在可以更清楚地了解自己患此病的个人风险，从而能够更快、更个性化地进行评估和治疗，以预防并发症，如猝死，尤其是在年轻人群中。
Lampert博士是西奈山伊坎医学院心脏病学和数据驱动及数字医学助理教授，他补充道：“这是将新型深度学习算法转化为临床实践的重要一步，通过向临床医生和患者提供更有意义的信息。临床医生可以通过使用排序工具，确保最高风险的患者在他们的临床工作列表中处于最顶部，从而改善他们的临床工作流程。”
他继续说道：“通过模型校准，患者可以获得更个性化的信息，这提高了模型分类分数的可解释性。这种本地模型校准策略是否普遍适用于其他设置还有待证明。这种方法可以改变临床实践，因为它以临床实用的方式提供了有意义的信息，以促进患者护理。”
HCM是导致心脏移植的主要原因之一，影响全球约五百分之一的人口。然而，症状通常在疾病进展后才出现，许多人并不知道自己患有此病。
西奈山的研究人员在2023年3月7日至2024年1月18日期间对约71,000名接受心电图检查的个体测试了Viz HCM算法。系统识别出1,522名个体为HCM阳性警报。为了确认这些个体是否确实被诊断为HCM，研究人员审查了医疗记录和影像数据。
在验证诊断后，研究人员校准了AI工具的模型，以评估校准后的HCM概率是否与患者实际患病的可能性一致。校准后的模型成功提供了可靠的HCM患病概率评估。
通过使用该模型审查患者的ECG结果，心脏病专家可以优先处理高风险患者，并在症状出现或恶化前安排预约和治疗。
医生不仅可以表明AI模型识别了某位患者，还可以向每位患者传达具体的风险。这种方法可以帮助预防与HCM相关的不良后果，如猝死或由心肌增厚引起的血流受阻症状。
“这项研究提供了急需的细节，帮助我们重新思考如何对患者进行分诊、风险分层和咨询。在增强智能时代，我们必须在患者护理方法中引入新的复杂性。以肥厚型心肌病为例，我们展示了如何通过排序AI分类来对患者进行分诊，即使是在较少见的疾病中也能实现这一目标。”
——Vivek Reddy博士，研究共同高级作者及西奈山卫生系统心律失常服务主任
研究共同高级作者Girish N. Nadkarni博士，风雷希人工智能与人类健康系主任，哈索·普拉特纳数字健康研究所所长，以及西奈山伊坎医学院医学教授表示：“这项研究反映了最佳的实用实施科学，展示了我们如何负责任且深思熟虑地将先进的AI工具整合到现实世界的临床工作流程中。不仅仅是构建一个高性能的算法，而是确保它支持临床决策，以改善患者结果并符合实际护理方式。这项工作展示了校准模型如何帮助临床医生在正确的时间优先处理正确的患者，从而充分发挥AI在医学中的潜力。”
下一步是将这项研究和HCM的AI校准扩展到全国其他卫生系统。
Viz.ai资助了这项研究。Lampert博士是Viz.ai的付费顾问。
(全文结束)
