AI預測心臟病更準！心內科醫生要失業了嗎？

近日，Mayo Clinic的一項研究顯示，AI通過分析心電圖可準確篩查出早期無癥狀左心室功能障礙，準確性優於其他常見的篩查手段。

與此同時，美國斯坦福大學的一項研究也顯示了AI在心臟領域的優勢：其最新開發出一種AI演算法，通過分析可穿戴監測設備產生的心電數據，診斷出10種不同類型的心律失常，準確性甚至超過了心內科醫生。

無癥狀左心室功能障礙降低生活品質，缺乏廉價、無創無痛的篩查工具

我們先來看看Mayo Clinic的研究。

正常情況下，血液經左心房流向左心室，左心室負責將氧合的動脈血射出，送往全身各器官，維持全身代謝。然而，當左心室功能出現障礙時，心排血量不足以維持全身代謝的需要。這時，患者通常會出現呼吸短促、雙下肢水腫等癥狀。

然而，有3％~6％的人不會出現任何癥狀，這些人並不是幸運，而是出現了無癥狀左心室功能障礙，是心力衰竭的先兆。這種疾病不僅會降低患者生活品質，甚至還會影響壽命。雖然這種心臟疾病在確診後可以治療，但目前尚缺乏廉價、無創、無痛的篩查工具供醫生診斷使用。

Mayo Clinic的研究稱，無癥狀左心室功能障礙的最佳篩查方式是測量B型鈉尿肽（B-type natriuretic peptide，BNP）水準，但BNP的結果準確率不高，而且測試需要抽血。通常的診斷方法，如超聲心動圖、CT或MRI等，價格昂貴且可及性較差。

相較於CT和MRI，心電圖是一種更普及、價格更低廉的檢測手段。Mayo Clinic中西部心血管醫學部主席Paul Friedman認為：「用人工智慧對心電圖進行數字化處理，能夠提取隱藏的心臟病新資訊。這種方式簡單實惠，對於心臟疾病的診斷及治療具有重要意義。」

Mayo Clinic的研究人員認為，通過適當訓練的神經網路可以在心電圖中精確地檢測出無癥狀左心室功能障礙。研究人員創建了一個神經網路，從診所數據中篩選出62.5萬對匹配的心電圖和超聲心動圖，用其對該神經網路進行訓練、驗證和測試。

結果表明，AI應用於標準心電圖分析的敏感性可達95.6%，特異性達92.4％，而心內科專家診斷的敏感性和特異性分別為86％和85％。AI能夠可靠地檢測出無癥狀左心室功能障礙，且準確性優於其他常見的篩查工具。

Paul Friedman指出：「這種篩查手段不僅能識別出無癥狀左心室功能障礙，由於AI可以識別出早期細微的心電圖變化，還能預測未來患病的風險。」

AI診斷心律失常診斷率高

無獨有偶，斯坦福大學也嘗試了將心電圖和AI結合，只不過這次他們瞄準的是心律失常的診斷。

斯坦福大學研究人員首先從一款可穿戴無線心電監測設備中採集了53萬餘名患者的9.1萬多條心電圖數據樣本。隨後，他們開發出了一種AI演算法來檢測和識別10種不同類型的心律失常，同時還訓練AI演算法識別這10種不同類型的心律失常，將正常竇性心律和能增加心律失常發病率的噪音區分開來。

接下來的14天裡，患者將佩戴心電監測設備，數據會通過後台進行採集。

該團隊將AI與心內科專家分析的結果進行了比較，結果AI具有90％的特異性和敏感性，而心內科專家的特異性和敏感性分別為75％和78％。結果顯示深度神經網路模型診斷心律失常的準確度超過醫生。研究小組表示，這項研究是首次將AI模型應用於檢測多種心律失常並進行了大樣本的數據採集。

該可穿戴設備iRhythm的研發執行副總裁Mark Day在接受採訪時表示：「這項技術並不是要取代醫生的作用，而是要讓醫生將時間和精力集中在制定醫療方案上，也許能減少一些繁雜的工作流程問題，以期獲得更好的效果。」

原文來源：

1.MedicalXpress: Study uses AI to create inexpensive, widely available early detector of heart disease

2.Daily Mail：AI could detect heart disease faster, earlier and cheaper than any other test, studies find