站長之家(ChinaZ.com) 7月12日 消息:據(jù)國外媒體報道，研究人員利用深度學(xué)習(xí)的人工智能模型，成功將簡陋的胸部 X 光片轉(zhuǎn)變?yōu)楦鼜姶蟮男呐K診斷工具。他們表示，這種新方法可以快速、準(zhǔn)確地評估心臟功能和檢查疾病。

胸部 X 光是最常用的放射學(xué)檢查之一，也是醫(yī)生們常用的診斷肺部和心臟疾病的方法。然而，由于 X 光是靜態(tài)圖像，無法提供關(guān)于心臟運作的詳細信息，因此需要進行超聲心動圖檢查。

超聲心動圖是一種評估心臟泵血效率和檢查心臟瓣膜是否有漏氣或病變的方法。心臟瓣膜病變會導(dǎo)致心臟泵血功能下降，可能引發(fā)心臟衰竭、驟停和死亡。

然而，超聲心動圖需要專業(yè)技術(shù)人員進行操作。

現(xiàn)在，大阪市立大學(xué)的研究人員利用深度學(xué)習(xí)的人工智能模型，將簡陋的胸部 X 光片轉(zhuǎn)化為更詳細的診斷工具。

深度學(xué)習(xí)是一種人工智能技術(shù)，通過模仿人腦處理數(shù)據(jù)的方式來讓計算機學(xué)習(xí)。研究人員使用了來自四個機構(gòu)的16946名患者在2013年至2021年期間收集的22551張胸部 X 光片和超聲心動圖數(shù)據(jù)，對深度學(xué)習(xí)模型進行訓(xùn)練。為了減少人工智能產(chǎn)生偏見的風(fēng)險，他們使用了來自多個機構(gòu)的數(shù)據(jù)。

研究人員發(fā)現(xiàn)，在測試他們的深度學(xué)習(xí)模型時，它能夠準(zhǔn)確地對六種類型的瓣膜性心臟病進行分類。該模型的曲線下面積（AUC），即評估其分類能力的指標(biāo)，介于0.83至0.92之間。AUC 的取值范圍是0到1，數(shù)值越接近1表示分類能力越好。

研究人員表示，這種新型人工智能方法可以作為超聲心動圖的補充，特別是在需要快速診斷或技術(shù)人員短缺的情況下。

"我們花了很長時間才得到這些結(jié)果，但我相信這項研究非常重要，" 該研究的主要作者 Daiju Ueda 表示。"除了提高醫(yī)生的診斷效率，該系統(tǒng)還可以在沒有專家的地區(qū)、夜間急診以及難以接受超聲心動圖檢查的患者中使用。"

該研究成果已發(fā)表在《柳葉刀數(shù)字健康》雜志上。