人工智能可以预测某人是否以及何时会心脏骤停

一种基于人工智能的新方法可以比医生更准确地预测病人是否以及何时可能死于心脏骤停。这项技术基于患者患病心脏和患者背景的原始图像，将彻底改变临床决策，提高突发致命性心律失常的存活率。心律失常是医学上最致命、最令人费解的疾病之一。

Murray B. Sachs生物医学工程和医学教授、资深作者Natalia Trayanova说:“由心律失常引起的心脏性猝死占全球死亡总数的20%，我们对这种情况发生的原因知之甚少，也不知道如何判断谁处于危险之中。”“有些心脏性猝死的风险很低的患者可能不需要除颤器，而有些高风险的患者没有得到他们需要的治疗，可能会在他们生命的黄金时期死亡。我们的算法能做的是确定谁有心脏死亡的风险，以及何时会发生，让医生准确地决定需要做什么。”

该团队是第一个使用神经网络为每位心脏病患者建立个性化生存评估的团队。这些风险指标可以高精度地提供10年内发生心源性猝死的几率，以及最有可能发生的时间。

这种深度学习技术被称为心律失常风险生存研究(SSCAR)。这个名字暗指由心脏病引起的心脏疤痕，通常会导致致命的心律失常，这也是算法预测的关键。

研究小组使用对比增强的心脏图像，这些图像显示了约翰霍普金斯医院数百名真实心脏疤痕患者的疤痕分布，以训练一种算法来检测肉眼看不到的模式和关系。目前的临床心脏图像分析只提取简单的疤痕特征，如体积和质量，严重没有充分利用这项工作所证明的关键数据。

“这些图像包含了医生无法获取的关键信息，”第一作者丹·波佩斯库说，他曾是约翰·霍普金斯大学的博士生。“这种疤痕可以以不同的方式分布，它说明了病人的生存机会。这里面隐藏着信息。”

该团队训练了第二个神经网络，从10年的标准临床患者数据中学习，包括患者的年龄、体重、种族和处方药使用等22个因素。

这些算法的预测不仅在每项指标上都比医生准确得多，而且在对来自美国60个医疗中心的独立患者队列的测试中得到了验证，这些患者具有不同的心脏病史和不同的成像数据，这表明该平台可以在任何地方采用。

心血管诊断和治疗创新联盟联合主任Trayanova说:“这有可能显著影响心律失常风险的临床决策，并代表着将患者轨迹预测带入人工智能时代的重要一步。”“它体现了将人工智能、工程和医学融合为医疗保健未来的趋势。”

该团队目前正致力于建立算法，以检测其他心脏疾病。根据Trayanova的说法，深度学习概念可以应用于依赖视觉诊断的其他医学领域。

来自约翰霍普金斯大学的团队还包括:彭博数据密集型计算杰出教授Mauro Maggioni;朱莉阴影;昌鑫赖;Konstantino Aronis;还有凯瑟琳·吴。其他作者包括:布里格姆妇女医院的M. Vinayaga Moorthy和Nancy Cook;西北大学的丹尼尔·李;图罗学院和大学系统的艾伦·卡迪什;雪松西奈医疗中心的David Oyyang和Christine Albert。

这项工作由美国国立卫生研究院资助，R01HL142496, R01HL126802, R01HL103812;洛温斯坦基金会、美国国家科学基金会研究生研究奖学金DGE-1746891、西蒙斯奖学金2020-2021、美国国家科学基金会资助IIS-1837991、雅培实验室研究资助。预测研究和预测登记由国家心脏、肺和血液研究所研究基金R01HL091069、圣犹达医疗公司和圣犹达医疗基金会支持。