最近，發(fā)表在國際雜志Computers in Biology and Medicine上，來自南洋理工大學等機構的科學家們通過研究開發(fā)了一種工具(http://www.weberwork.com/sell/l_5/)來加速診斷人類的心血管疾病。

  借助人工智能(AI)，研究人員可以通過心電圖診斷冠心病、心肌梗死、充血性心力衰竭，準確率達到98.5%以上。這種新診斷工具的開發(fā)非常及時。在過去的三年里，新加坡死于心血管疾病的人數有所增加。根據新加坡心臟基金會的數據，2019年，因心血管疾病死亡的人數占新加坡所有死亡人數的29.3%，或幾乎三分之一的死亡是死于心臟病或中風。研究人員，你希望他們的創(chuàng)新研究能夠支持臨床環(huán)境下心血管疾病的診斷，尤其是臨床醫(yī)生進行初步心電圖檢查時，這可能會給患者帶來更快的治療過程。

  研究人員利用一種叫做Gabor-CNN的人工智能機器學習算法設計了這種診斷工具，它可以模仿人腦的結構和功能，使計算機可以像人類一樣從過去的經驗中學習；使用該算法，研究人員可以通過輸入反映心血管疾病的新聚類信號示例來訓練他們開發(fā)的工具來識別患者的心電圖模式。研究員譚汝三教授說，一小組受試者的初步結果表明，我們在利用常規(guī)心電圖對一些常見心血管疾病進行準確分類方面取得了可喜的成績。雖然仍然需要額外的測試來確認特定的疾病，但這種新的診斷工具可以使醫(yī)生更有效地分流患者，并簡化下游確認測試的數量和類型。

  科學家和臨床醫(yī)生正在深入挖掘人工智能技術，以幫助診斷疾病。本文研究人員開發(fā)的診斷工具首次利用GaborCNN對心電信號直接進入分析系統，有可能在人工智能和醫(yī)學解決方案的集成方面取得新的進展。研究人員提出的系統配備了更大的數據庫進行驗證，可能有助于臨床醫(yī)生通過心電圖篩查心血管疾病。

  研究人員表示，他們利用小型公共數據庫開發(fā)的人工智能診斷工具，可以利用心電圖信號準確檢測冠心病、心肌梗死和充血性心力衰竭，也可能有助于臨床醫(yī)生快速篩查心血管疾病，加快治療速度，降低患者成本。

  為了測試這種新的診斷工具，研究人員從健康個體和患者那里獲得了心電圖信號；在一項試點研究中，他們使用工具分析了92名健康人以及7名冠心病患者、148名心肌梗死患者和15名充血性心力衰竭患者的心電圖信號。這種新開發(fā)的人工智能增強工具可以幫助自動識別健康人和不同心血管疾病患者相關的心電信號，準確率可以超過98.5%。

  在解釋人工智能在疾病檢測領域的作用時，研究人員補充說，人工智能技術有潛力從根本上改善醫(yī)療保健解決方案，特別是在數據分析方面，可以為臨床醫(yī)生提供解釋數據和做出臨床決策的新工具；隨著數據量和復雜度的增加，機器學習、深度機器學習等人工智能技術可以幫助提高相關醫(yī)學知識，發(fā)布臨床相關信息。后期，研究人員將與醫(yī)院合作進行進一步的實驗，并招募更多的志愿者來驗證他們新的人工智能工具的臨床應用。同時，研究人員也希望補充目前診斷心血管疾病的技術，如MRI和冠狀動脈造影。

  研究者通過研究首次提出了GaborCNN模型，可以利用心電信號對正常、冠狀動脈疾病、心肌梗死、充血性心力衰竭進行分類分級。未來，該系統將在更大的數據庫中得到驗證，可能有助于臨床醫(yī)生利用心電信號篩查心血管疾病。