将人工智能技术应用于心脏超声数据，可能使识别晚期心力衰竭患者变得更加容易。一项新研究得出了这一结论。该研究由威尔康奈尔医学院、康奈尔科技、康奈尔大学鲍尔斯计算与信息科学学院、哥伦比亚大学瓦格洛斯内外科医学院及纽约长老会医院的研究人员共同领导，为许多因诊断困难而可能被忽视的数千名患者提供了获得更好护理的前景。
目前，晚期心力衰竭通过心肺运动测试（CPET）来检测，这需要专门设备和训练有素的人员，通常只有大型医疗中心才能提供。部分由于这一诊断瓶颈，美国每年估计有200,000名晚期心力衰竭患者中，只有少数得到了适当的治疗。
在这项新研究中，发表于3月3日的《npj数字医学》期刊，研究人员测试了一种可能消除这一瓶颈的新型AI驱动方法。该新方法利用更容易获取的患者心脏超声图像以及患者的电子健康记录，以高精度预测最重要的CPET指标——峰值摄氧量。
“这为利用已在常规护理中嵌入的数据源，更有效地评估晚期心力衰竭患者开辟了一条有前景的途径，”研究资深作者、威尔康奈尔医学院人工智能与数据科学副院长、医学信息学弗朗西斯与约翰·L·洛布教授王飞博士表示。
这项研究高度协作，不仅涉及王飞博士的信息学和AI专家团队，还包括由康奈尔科技影响力副院长黛博拉·埃斯特林博士领导的团队，以及临床方面的纽约长老会医院晚期心力衰竭与心脏移植主任尼尔·乌列尔博士。
在心力衰竭护理中实现AI的承诺
这篇期刊论文是心血管AI倡议的首批成果，该倡议是康奈尔、哥伦比亚和纽约长老会医院的一项广泛努力，旨在探索利用AI改善心力衰竭的诊断和管理。AI的最新进展不仅催生了流行的消费和商业应用，还训练出了能够检测文本和图像医学数据中疾病相关模式的机器学习模型。
“最初，我们召集了40多名心力衰竭专家，请他们告诉我们他们认为AI最适合应用在哪些领域，”乌列尔博士说，他也是哥伦比亚大学瓦格洛斯内外科医学院医学系心脏病学西摩、保罗和格洛丽亚·米尔斯坦教授，以及威尔康奈尔医学院格林伯格心脏病学部的医学兼职教授。利用AI对心脏超声数据进行处理，帮助识别晚期心力衰竭患者，似乎是最有前景的应用之一。随后，乌列尔博士联系了康奈尔科技、康奈尔鲍尔斯和威尔康奈尔医学院的AI专家，经过几年的合作，他们开发出了新的机器学习模型。
“该项目中临床医生与AI研究人员之间的紧密互动，最终推动了新型AI技术的发展，这些技术原本不会被探索，”埃斯特林博士说，她是康奈尔科技罗伯特·V·蒂什曼'37计算机科学教授、康奈尔鲍尔斯教授以及威尔康奈尔医学院人口健康科学教授。“因此，这是一个医学塑造AI未来——而不仅仅是AI塑造医学未来的案例。”
由王飞博士领导的AI团队，包括首席作者黄哲博士和潘伟申博士以及康奈尔鲍尔斯的学生和教师，开发了一种多模态、多实例的机器学习模型。该模型可以处理多种不同的数据类型，包括普通的心脏移动超声图像、显示心脏瓣膜动力学和血流的相关波形图像，以及电子健康记录中的各种项目。该模型在来自纽约长老会医院/哥伦比亚大学欧文医学中心的1,000名心力衰竭患者的去标识化数据上进行了训练。训练完成后，该模型被用于预测来自纽约长老会医院其他三个校区的127名新的心力衰竭患者的峰值摄氧量，即有效确定高风险状态。
结果比以往任何基于AI的峰值摄氧量预测报道都要好。对于用于区分高风险患者和其他患者的工具，研究人员使用了一种衡量指标，该指标与样本中随机选择的高风险患者比随机选择的低风险患者具有更高预测风险的概率相关。这一数字在这种情况下显示总体准确率约为85%，这表明它将在临床环境中发挥作用。
该团队已经开始规划新方法的临床研究，这是美国食品药品监督管理局批准和常规临床采用所必需的。
“如果我们能利用这种方法识别出许多原本不会被发现的晚期心力衰竭患者，那么这将改变我们的临床实践，并显著改善患者的预后和生活质量，”乌列尔博士说。
【全文结束】