2021年2月9日訊/生物谷BIOON/---Geisinger的研究人員發(fā)現(xiàn)，使用心臟超聲心動圖視頻開發(fā)的計算機(jī)算法可以預(yù)測患者一年內(nèi)的死亡率,。
研究結(jié)果表明,，該算法（所謂基于機(jī)器學(xué)習(xí)或人工智能（AI）的范例）優(yōu)于其他臨床使用的預(yù)測指標(biāo)，包括匯總隊列方程式和Seattle Heart Failure得分,。研究結(jié)果發(fā)表在《Nature Biomedical Engineering》雜志上,。
（圖片來源：Www.pixabay.com）
“我們很高興發(fā)現(xiàn)機(jī)器學(xué)習(xí)可以利用諸如醫(yī)學(xué)圖像和視頻之類的非結(jié)構(gòu)化數(shù)據(jù)集來改善各種臨床預(yù)測模型，”該系共同資深作者兼助理教授Chris Haggerty博士說,。
成像對大多數(shù)醫(yī)學(xué)專業(yè)的治療決策至關(guān)重要,，并且已成為電子健康記錄（EHR）中數(shù)據(jù)最豐富的組成部分之一。例如,，心臟的單次超聲可產(chǎn)生約3,000張圖像,，心臟病專家在眾多其他診斷數(shù)據(jù)的背景下，只有有限的時間來解釋這些圖像,。這為利用諸如機(jī)器學(xué)習(xí)之類的技術(shù)來管理和分析該數(shù)據(jù)并最終為醫(yī)生提供智能計算機(jī)幫助創(chuàng)造了巨大的機(jī)會,。
在他們的研究中,，研究團(tuán)隊使用專門的計算硬件在過去十年中從34362名Geisinger患者收集的812278張超聲心動圖視頻中訓(xùn)練了機(jī)器學(xué)習(xí)模型。這項研究將模型的結(jié)果與心臟病學(xué)家基于多次調(diào)查的預(yù)測進(jìn)行了比較,。隨后的調(diào)查顯示,，在該模型的輔助下，心臟病專家的預(yù)測準(zhǔn)確性提高了13％,。利用近5000萬張圖像,，這項研究代表了有史以來最大的醫(yī)學(xué)圖像數(shù)據(jù)集之一。
“我們的目標(biāo)是開發(fā)改善患者護(hù)理的計算機(jī)算法,，” Geisinger轉(zhuǎn)換數(shù)據(jù)科學(xué)與信息學(xué)系作者兼高級數(shù)據(jù)科學(xué)家Alvaro Ulloa Cerna博士說,。 “在這種情況下，我們?yōu)槲覀兊乃惴軌驇椭呐K病專家改善對患者的預(yù)測而感到興奮,，因為有關(guān)治療和干預(yù)措施的決策均基于這些類型的臨床預(yù)測,。（生物谷 Bioon.com）
資訊出處：Geisinger researchers find AI can predict death risk
原始出處：Ulloa Cerna et al. Deep-learning-assisted analysis of echocardiographic videos improves predictions of all-cause mortality. Nat Biomed Eng (2021). doi.org/10.1038/s41551-020-00667-9
（潤寶醫(yī)療網(wǎng)）
研究結(jié)果表明,，該算法（所謂基于機(jī)器學(xué)習(xí)或人工智能（AI）的范例）優(yōu)于其他臨床使用的預(yù)測指標(biāo)，包括匯總隊列方程式和Seattle Heart Failure得分,。研究結(jié)果發(fā)表在《Nature Biomedical Engineering》雜志上,。
（圖片來源：Www.pixabay.com）“我們很高興發(fā)現(xiàn)機(jī)器學(xué)習(xí)可以利用諸如醫(yī)學(xué)圖像和視頻之類的非結(jié)構(gòu)化數(shù)據(jù)集來改善各種臨床預(yù)測模型，”該系共同資深作者兼助理教授Chris Haggerty博士說,。
成像對大多數(shù)醫(yī)學(xué)專業(yè)的治療決策至關(guān)重要,，并且已成為電子健康記錄（EHR）中數(shù)據(jù)最豐富的組成部分之一。例如,，心臟的單次超聲可產(chǎn)生約3,000張圖像,，心臟病專家在眾多其他診斷數(shù)據(jù)的背景下，只有有限的時間來解釋這些圖像,。這為利用諸如機(jī)器學(xué)習(xí)之類的技術(shù)來管理和分析該數(shù)據(jù)并最終為醫(yī)生提供智能計算機(jī)幫助創(chuàng)造了巨大的機(jī)會,。
在他們的研究中,，研究團(tuán)隊使用專門的計算硬件在過去十年中從34362名Geisinger患者收集的812278張超聲心動圖視頻中訓(xùn)練了機(jī)器學(xué)習(xí)模型。這項研究將模型的結(jié)果與心臟病學(xué)家基于多次調(diào)查的預(yù)測進(jìn)行了比較,。隨后的調(diào)查顯示,，在該模型的輔助下，心臟病專家的預(yù)測準(zhǔn)確性提高了13％,。利用近5000萬張圖像,，這項研究代表了有史以來最大的醫(yī)學(xué)圖像數(shù)據(jù)集之一。
“我們的目標(biāo)是開發(fā)改善患者護(hù)理的計算機(jī)算法,，” Geisinger轉(zhuǎn)換數(shù)據(jù)科學(xué)與信息學(xué)系作者兼高級數(shù)據(jù)科學(xué)家Alvaro Ulloa Cerna博士說,。 “在這種情況下，我們?yōu)槲覀兊乃惴軌驇椭呐K病專家改善對患者的預(yù)測而感到興奮,，因為有關(guān)治療和干預(yù)措施的決策均基于這些類型的臨床預(yù)測,。（生物谷 Bioon.com）
資訊出處：Geisinger researchers find AI can predict death risk
原始出處：Ulloa Cerna et al. Deep-learning-assisted analysis of echocardiographic videos improves predictions of all-cause mortality. Nat Biomed Eng (2021). doi.org/10.1038/s41551-020-00667-9
（潤寶醫(yī)療網(wǎng)）
