非营利非商业性健康信息的可信来源
美国抗衰老、预防和再生医学学会的原始声音
标志 标志
心血管 人工智能 计算机与医学 诊断

人工智能将智能手表的心电图信号转化为心力衰竭的诊断工具

3个月,1周前

3262 0
发布于2022年11月16日上午5点。

新闻稿重点:

  • 两项健康技术的进步是一个发表的研究《自然医学》:一个应用程序和后端基础设施,让患者以简单安全的方式与临床医生远程共享智能手表心电图数据,并修改了经过验证的12导联心电图人工智能(AI)算法,使其能够在单导联手表心电图记录上运行。
  • 一种应用于苹果手表心电图记录的人工智能算法成功地识别出患者的心脏泵很弱。
  • 这些发现表明,有可能出现一种相对便宜的工具,可以广泛用于检测临床环境之外的人的心力衰竭。

一个研究发表在《自然医学》杂志上的一篇文章报道了智能手表ECG在非临床环境中准确检测心力衰竭的能力。梅奥诊所的研究人员将人工智能(AI)应用于Apple Watch心电图记录,以识别心脏泵功能薄弱的患者。研究参与者随时随地远程记录他们的智能手表心电图。他们会定期通过梅奥诊所(Mayo Clinic)数字健康中心(Center for Digital health)开发的智能手机应用,自动安全地将心电图上传到电子健康记录中。

“目前,我们通过超声心动图、CT扫描或MRI来诊断心室功能障碍(心脏泵功能薄弱),但这些都是昂贵、耗时的,而且有时难以实现。罗彻斯特梅奥诊所心血管医学系主任保罗·弗里德曼博士说:“通过使用消费设备(如智能手表)记录的心电图,远程诊断心脏泵功能薄弱的能力,可以及时大规模地识别这种潜在的危及生命的疾病。”弗里德曼博士是这项研究的资深作者。

心脏泵功能薄弱的人可能没有症状,但这种常见的心脏病影响了大约2%的人口和9%的60岁以上的人。当心脏不能泵出足够的富氧血液时,症状可能会出现,包括呼吸短促、心率加快和腿部肿胀。早期诊断很重要,因为一旦确定,有许多治疗方法可以提高生活质量,降低心力衰竭和死亡的风险。

梅奥的研究人员通过修改早期为12导联ecg开发的算法来解释Apple Watch的单导联ecg,该算法已被证明可以检测到心脏泵功能薄弱。低心室射血分数的12导联算法已授权给Anumana Inc.,这是一家由人工智能驱动的健康技术公司,由nference和梅奥诊所联合创建。

虽然数据是早期的,但使用单导联ECG数据的改进AI算法的曲线下面积为0.88,可以检测到弱心脏泵。相比之下,这种准确性的测量方法与医疗跑步机诊断测试一样好或略好。

“这些数据令人鼓舞,因为它们表明,数字工具可以方便、廉价、可扩展地筛查重要疾病。通过技术,我们可以以一种可访问的方式远程收集有关患者心脏的有用信息,以满足人们的需求,”梅奥诊所心血管医学系的首席人工智能科学家Zachi Attia博士说。阿提亚博士是这项研究的第一作者。

“建立从可穿戴消费电子产品中摄取数据的能力,并提供分析能力,以预防疾病或以本研究所展示的方式远程改善健康,可以彻底改变医疗保健。像这样的解决方案不仅能够预测和预防问题,而且最终将有助于减少健康差距,减少卫生系统和临床医生的负担,”梅奥诊所数字健康中心医学主任、该研究的合著者布拉德利·莱博维奇博士说。

所有2454名研究参与者都是来自美国和11个国家的梅奥诊所的患者。他们下载了一个由梅奥诊所数字健康中心开发的应用程序,将他们的苹果手表心电图安全地上传到电子健康记录中。在2021年8月至2022年2月期间,参与者在电子健康记录中记录了超过12.5万个以前和新的Apple Watch心电图。临床医生可以在电子健康记录中内置的人工智能仪表板上查看所有ECG数据,包括记录的日期和时间。

大约420名参与者在应用程序中记录Apple Watch心电图后的30天内做了超声心动图(一种使用声波产生心脏图像的标准测试)。其中,16名患者的超声心动图证实了射血分数低,这为准确性提供了比较。

这项研究由梅奥诊所资助,没有苹果公司的技术或财务支持。Drs。Attia和Friedman以及其他人是低射血分数算法的共同发明人,该算法授权给Anumana,并可能从其商业化中受益。

就像你在网上读到的任何东西一样,这篇文章不应该被理解为医学建议;在改变你的健康习惯之前,请咨询你的医生或初级保健提供者。本文不打算提供医学诊断、建议、治疗或认可。

内容可以根据风格和长度进行编辑。

以下机构提供的参考/来源/材料:

本文由梅奥诊所的Terri Malloy撰写

https://newsnetwork.mayoclinic.org/discussion/ai-transforms-smartwatch-ecg-signals-into-a-diagnostic-tool-for-heart-failure/

https://www.mayoclinic.org/

http://dx.doi.org/10.1038/s41591-022-02053-1

世界卫生视频

Baidu