西弗吉尼亚大学计算机科学家通过训练人工智能模型，利用农村地区普遍可及的低技术设备生成的数据诊断心力衰竭。该研究特别关注阿巴拉契亚农村医疗实践中常见的设备数据，以解决现有AI模型在城乡医疗差异中的局限性。
普拉什纳·盖瓦利教授指出，心力衰竭这一导致心脏泵血不足的慢性疾病对农村地区影响尤为严重。当前AI模型主要基于斯坦福等城市地区数据训练，难以准确诊断具有独特环境暴露特征的农村患者。研究团队以西弗吉尼亚州居民为例，创建了包含55000例匿名患者数据的训练集，重点优化AI对射血分数（心脏每次搏动泵出血液量）的预测能力。
研究人员特别开发了基于心电图（ECG）而非超声心动图的诊断模型。这种采用圆形电极贴附胸部记录心脏电信号的检测方式，无需昂贵设备或专业培训，但能提供重要心脏功能信息。在对比深度学习（如ResNet多层神经网络）和非深度学习算法后，发现深度学习模型在分析12导联心电图数据时表现最佳，特定电极组合数据输入可显著提升预测准确性。
该研究团队还发现，随着训练数据量增加，模型诊断准确性将持续提升。尽管当前AI尚未直接用于临床实践，但通过心电图估算射血分数的能力，为资源匮乏地区的早期诊断提供了新工具。西弗吉尼亚州作为美国心肌梗死和冠心病发病率最高的州，其研究成果对改善农村医疗公平性具有重要意义。
研究团队包括鲁克什·普拉贾帕蒂、阿米尔·埃尔-瓦基尔、唐纳德·阿德杰罗、布里杰什·帕特尔等学者，成果已发表于《科学报告》期刊（DOI: 10.1038/s41598-025-97113-0）。
【全文结束】
