聚热点 juredian

陈根:AI赋能X光胸透成为更好的医疗诊断工具

文/陈根

       据《柳叶刀数字健康》杂志发表的研究论文,来自大阪市立大学的研究人员招募了一个深度学习的人工智能模型,该模型可以将简陋的胸部X光检查转变为一个更有力的心脏问题诊断工具,能够为心脏功能评估和疾病检查提供更快速和准确的方法。

       胸部X光是世界上最经常进行的放射学检查,也是卫生专业人员诊断肺部和心脏疾病的常见方法。该方案虽然具有快速且易执行的优势,但所依托的X光作为一种静态图像,无法提供有关心脏如何运作的信息。

       为了更有效地进行医疗诊断,科学家们需要进行更精进的超声心动图检测,以评估心脏的泵送效率如何,以及心室之间的瓣膜是否漏气或病变。如果心脏瓣膜发生病变,心脏就不能有效地泵血,不得不更加努力工作,这可能导致心脏衰竭或心脏骤停和死亡。但是,超声心动图对应用人员有较高的技能要求。

       基于此,研究人员寄希望于通过深度学习的人工智能模型将X光胸透转化为更好的诊断工具。所谓深度学习,是人工智能使用的一个过程,教计算机以模仿人脑的方式处理数据。该模型可以识别图片、文本、声音和其他数据中的复杂模式,从而产生准确的洞察力和预测。

       在对该模型的训练过程中,研究人员从四个机构的16946名患者那里获得的与22551张超声心动图相关的胸部X光片,由此对模型进行深度学习训练。其中,X光片被设定为输入数据,超声心动图被设定为输出数据,模型被训练为学习连接两个数据集的特征。在对深度学习模型进行测试时,研究人员发现,它可以精确地将六种类型的瓣膜性心脏病分类。

    “该训练的原始数据来源于多个机构,时间跨度达9年左右,这将最大限度地减少人工智能产生偏颇结果的风险。” 据研究人员介绍,“新型人工智能方法可以补充超声心动图,特别是在需要快速诊断或技术人员短缺的时候。”该研究的主要作者Daiju Ueda说:“除了提高医生的诊断效率外,该系统还可能用于没有专家的地区,用于夜间急诊,以及用于难以接受超声心动图的病人。”

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:胸透  胸透词条  诊断  诊断词条  更好  更好词条  成为  成为词条  医疗  医疗词条