近日，麻省理工學院的一個團隊創(chuàng)造了一個名為RiskCardio的系統(tǒng)。

這項技術是為急性冠狀動脈綜合征(ACS)患者研制的，ACS包括一系列流向心臟的血液突然減少的癥狀。

RiskCardio只需要病人15分鐘的“原始心電圖(ECG)信號”就可以工作，該信號會記錄下病人心臟的節(jié)律和電活動。

然后，它提取心電圖數(shù)據(jù)樣本，將特定的病人歸類為“風險類別”。隨后人工智能會預測病人是否會在未來30天到一年內(nèi)死亡。

科學家們相信RiskCardio可以幫助醫(yī)生根據(jù)ACS患者的死亡風險快速評估最佳治療方案。

研究報告的第一作者迪威亞(Divya Shanmugam)說：“我們正在研究如何將非常長的時間序列納入風險評分的數(shù)據(jù)問題，以及我們?nèi)绾螏椭t(yī)生識別急性冠狀動脈事件后高風險患者的臨床問題。”

“機器學習和醫(yī)療保健的交集充滿了這樣的組合——一個具有潛在現(xiàn)實影響的引人注目的計算機科學問題?！?/p>

ACS可以指心臟病發(fā)作或心絞痛。統(tǒng)計數(shù)據(jù)顯示，在美國和英國，像這樣的心血管事件導致了四分之一的死亡。

RiskCardio的工作原理是將病人的心電信號分成連續(xù)的幾組，科學家說。

相鄰節(jié)拍之間的變化表明存在風險。

它是由對過去ACS患者的研究數(shù)據(jù)進行“訓練”的。

為了讓這項技術投入使用，研究小組首先將這些病人的每個信號分離成一系列相鄰的心跳街拍信號。每組節(jié)拍都有一個“標簽”，表明病人是否死亡。

然后，科學家們訓練了這項技術，將死亡病人的心跳歸為“危險”，幸存病人的心跳歸為“正?！?。

當面對一個新病人時，RiskCardio通過觀察他們的心跳與過去研究中病人的比較情況來給出一個風險評分。

科學家們寫道:“該工具僅使用患者原始心電圖信號的前15分鐘，就能生成一個評分，將患者分為不同的風險類別?！?/p>

RiskCardio對1250名ACS患者進行了測試。它預測其中28名患者將在一年內(nèi)死亡。目前還不清楚這種估計有多準確。

在這個人工智能系統(tǒng)的結果中，“高風險”患者的死亡率是那些被認為風險較低的患者的7倍。

與“最常見的現(xiàn)有風險指標”相比較，后者的結果表明高風險患者的死亡率是低風險患者的三倍。

研究人員認為，RiskCardio可以幫助醫(yī)生迅速評估ACS患者在到達醫(yī)院后的最佳治療方案。

他們說，目前醫(yī)生必須“使用醫(yī)療數(shù)據(jù)和漫長的測試”來估計病人的死亡風險，然后選擇最佳治療方案。

Shanmugam說:“機器學習在識別模式方面尤其擅長，這與評估病人的風險密切相關。風險評分對于溝通病人的狀況很有用，這對做出有效的護理決策很有價值?！?/p>

RiskCardio也只需要患者的心電圖數(shù)據(jù)，不需要年齡或體重等信息。

未來，科學家們希望通過添加不同年齡、種族和性別的信息，讓這項技術“更具兼容性”。