心脏病学家正在开发越来越多的创新方法来利用人工智能的力量，从识别有心脏病风险的患者到提高诊断准确性并绘制数字心脏孪生图。《贝克尔医院评论》询问了四位领导者，他们如何在各自的医院和医疗系统中将AI整合到心血管服务线。
问题：为什么心脏病学领域特别适合“引领”AI的发展？您的组织是如何使用AI的？
Wayne Franklin, MD. 儿童国家心脏中心高级副总裁（华盛顿特区儿童国家医院）： 心脏病学非常适合AI，因为有大量的数据，包括图像、药物治疗、介入和外科治疗选项、患者结果以及预防医学。实际上，心脏病学是最早使用早期形式的AI的专业之一，从1970年代开始使用计算机辅助心电图解释。
快进到今天，AI不仅有助于应对美国的主要死因，而且心血管医学已经拥有大量科学证明的证据，该领域已准备好通过整合尖端AI技术迈出下一步。在儿童国家医院，我们已经开始在儿科心脏重症监护病房使用AI，通过连续监测来预测患者可能恶化的时机，初步迹象表明这可以防止心脏骤停。
通过周密和精心规划的实施，AI有能力不仅改变心血管疾病，还能改变整个医疗保健领域，为患者和家庭提供更安全、更快捷和个性化的护理。
Blake Gardner, MD. 企业高级医疗总监，Kaley Graham, Intermountain Health心血管临床项目执行临床主任（盐湖城）： 心脏病学由于其数据丰富且心血管健康的重要性，特别适合引领AI的发展。
从影像、诊断和患者监测中生成的大量数据为AI提供了增强临床决策和改善患者结果的肥沃土壤，这是Intermountain Health广为人知并在全国领先的两个领域。在Intermountain Health，我们已经在心脏病学实践中引入了AI。例如，AI驱动的工具用于行政任务，如调度和资源分配，我们正在开发用于临床护理的实时决策支持工具和筛查过程，以更有效地识别高风险患者。
此外，Intermountain还在研究AI在手术计划和提供最先进的护理方面的能力，确保精确性并减少并发症。这些进步不仅简化了运营，还提高了我们为患者提供的护理质量。
Joshua Lampert, MD. 西奈山福斯特心脏医院机器学习主任（纽约市）： 心脏病学领域是开发和将新技术整合到临床实践的理想环境。心血管疾病的多样性涵盖了可能数十年不显现的慢性病和需要立即治疗以防止死亡的紧急情况。
此外，心脏病学中的模型分类可能导致具有独特风险的侵入性手术，而未能识别相关疾病则会错过识别突发性心脏死亡风险患者的机会。这是医学中的一个常见挑战，通常我们必须将人群层面的风险估计推断到个体患者。显然，这里有很大的改进空间。
我们最近在《新英格兰医学杂志AI》上发表了关于局部模型校准的作用，以提供与观察到的疾病更好地对齐的患者水平估计。
我们已经整合了多种AI工具，如自动草拟回复信件、集成患者状态通知系统和心电图算法工具包。对于房颤导管消融手术，我们现在结合AI技术来识别可能导致房颤复发的相关电信号。尽管这种乐观情绪是有道理的，但仍需更大的努力来确保这些新解决方案的负责任和伦理部署。
Venkatesh Murthy, MD, PhD. 密歇根大学健康弗兰克尔心血管中心转化研究和创新副主任（密歇根州安阿伯市）： 在密歇根大学，我们正在积极地将人工智能应用于心血管研究和临床项目。
U-M一直是心血管成像领域的领导者。在这方面，我们开创了使用心脏PET进行已知或疑似冠状动脉疾病的诊断和管理。PET可以精确测量流向心脏肌肉的血流量，无需侵入性测试。这使得不仅可以测量通过血管造影可见的大冠状动脉的功能，还可以测量微血管的功能。
微血管疾病是CAD的最早阶段，尤其影响女性和糖尿病患者等。然而，PET仍然成本高昂，仅在专门的中心可用，限制了这种疾病的诊断。我们开发了一种基于变压器（GPT中的“T”）的心电图基础模型，可以从静息或负荷心电图中准确预测心肌血流异常。
我们还开发了AI工具，可以精确量化心肌炎患者心脏中的炎症。这使我们能够更准确地跟踪炎症，并调整免疫调节药物的剂量。
与放射科同事合作，我们还使用商业开发的AI工具，确保不会遗漏心脏成像研究中偶然发现的肺癌。这些工具已经使用了四年多，并对我们的临床项目产生了重大影响。
我们继续探索AI在研究和临床实践中的其他应用，并致力于在这一领域引领世界。
(全文结束)
