医疗公平性突破：西弗吉尼亚大学研究人员开发出专门针对农村地区患者的人工智能诊断系统。该系统通过分析普通心电图数据即可检测心力衰竭，为缺乏高端医疗设备的偏远地区带来突破性解决方案。
计算机科学与电子工程系的Prashnna Gyawali副教授指出，目前多数人工智能模型基于城市人群数据训练，难以准确诊断具有独特生活环境的农村患者。以西弗吉尼亚州为例，该州心脏病发作率和冠心病患病率居全美首位，但许多患者无法获得高端超声心动图检查。
研究团队开发的ResNet深度学习模型通过分析12导联心电图数据，能精准预测患者射血分数（心脏每搏输出血液比例）。与需要昂贵设备和专业技术的超声心动图相比，心电图检查具有成本低廉、操作简便的优势，特别适合阿巴拉契亚地区等医疗资源匮乏区域。
在28家西弗吉尼亚医院的临床数据验证中：
- 纳入超过55,000例患者匿名医疗记录
- 深度学习模型预测准确率显著优于传统算法
- 特定电极组合（导联）的数据输入可提升诊断精度
- 扩大数据集将进一步优化模型性能
"我们的研究表明，针对特定环境数据训练的人工智能能显著提升农村患者的诊断准确性。"Gyawali强调，"通过在本地患者数据上训练模型，我们能让像简·多（化名）这样的农村患者获得与其生活环境特征相匹配的诊断服务。"
该研究得到美国国家科学基金会资助，团队成员包括：
- 博士生Alina Devkota（主导模型开发）
- Rukesh Prajapati研究助理
- Amr El-Wakeel副教授
- Donald Adjeroh计算机科学系教授兼系主任
- Brijesh Patel医学教授
发表于《科学报告》（Nature子刊）的研究成果显示，这种人工智能辅助诊断系统虽尚未投入临床使用，但已展现出改善农村心脏保健的巨大潜力。随着人口老龄化加剧，全球心力衰竭患者已超6,000万，该技术对提升农村地区心血管疾病防治能力具有重要现实意义。
【全文结束】
