MORGANTOWN——西弗吉尼亚大学计算机科学团队针对城市数据训练的人工智能模型难以准确诊断农村人口心脏疾病的现状，开发出专为阿巴拉契亚地区患者设计的心衰识别AI系统。计算机科学与电气工程系助理教授普拉什娜·盖瓦利（Prashnna Gyawali）指出，心力衰竭作为全球重大健康问题，对美国农村地区影响尤为严重。
“假设简·多伊（Jane Doe）是一位62岁的阿巴拉契亚农村居民”，她举例说明，“她只能通过小型诊所就医，生活方式体现农村特征：高强度体力劳动、预防性医疗匮乏、长期暴露在煤尘等环境风险因素中。当她出现疲劳和呼吸急促等症状时，若使用基于加州斯坦福等城市数据训练的AI系统，可能因缺乏类似患者数据而误判其为非紧急状况。”该研究发表于《自然》旗下期刊《科学报告》。
研究人员分析了西弗吉尼亚州28家医院超过55,000例匿名患者的医疗数据，通过对比深度学习（ResNet神经网络）与非深度学习模型，发现使用12导联心电图数据的深度学习模型在预测“射血分数”（心脏每搏输出量指标）时准确率最高。值得注意的是，该系统专门采用普通心电图数据而非昂贵的超声心动图，因为后者在西弗吉尼亚等心衰高发农村地区普及率不足。
博士生阿丽娜·德沃卡（Alina Devkota）解释称：“虽然超声心动图通过声波成像是测量射血分数的金标准，但我们在研究中证明AI可以通过成本更低的心电图数据进行有效预测。”研究团队发现，通过优化电极组合参数可进一步提升诊断精度。
参与研究的其他人员包括计算机科学系主任唐纳德·阿杰罗（Donald Adjeroh）、医学院助理教授布里吉特·帕特尔（Brijesh Patel）等。该研究获得美国国家科学基金会部分资助。目前研究团队正在推进更大规模数据验证，未来或为农村医疗体系提供重要技术支持。
【全文结束】
