10年内猝死危险有多大？首个神经网络算法告知你

oracle

原标题：10年内猝死危险有多大？首个神经网络算法告知你  


图片来源@视觉中国  
以后，心源性猝死（SCD）依然是寰球死亡的次要缘故，在欧洲和北美的普通人群中，每 100,000 人中的病发率为 50-100 人，占一切死亡人数的 15-20% 。而冠状动脉疾病患者产生心律反常性心源性猝死（SCDA）的危险最高。  
因此，迫切需求开发共性化、精确和拥有本钱效益的心律反常危险评价工具，以加重这一微小的公共卫生和经济担负。  
近日，约翰霍普金斯大学钻研人员领导的团队，开发了一种基于人工智能的新办法，能够比医生更精确地预测患者是不是以及什么时候可能死于心脏骤停。该技术以患者心脏影象学材料以及其它配景为根底，将完全改动临床决策并进步突发性和致命性心律反常的存活率。  
相干钻研颁发在近日的《天然血汗管钻研》上。  


论文通信作者、生物医学工程传授 Natalia Trayanova 表现， “由心律反常惹起的心源性猝死，占寰球一切死亡人数的 20%，但咱们对它产生的缘故或如何判别谁处于风险中知之甚少。有些患者心源性猝死的危险可能较低，可能不需求使用自动体外除颤器（AED），而有些高危险患者假如没有及时失掉他们需求的医治，可能会在他们生命的黄金时代死亡。咱们的算法能够做的是，肯定谁有心脏死亡的危险，以及什么时候产生，进而让医生精确地抉择需求做甚么。”  
据理解，这也是第一个使用神经网络为每位心脏病患者建设共性化生存评价的团队。这些危险丈量提供了 10 年心田源性猝死的高精确度，以及最有可能产生的时间。  
钻研人员为这类基于深度学习技术的工具起了个名字，叫做心律反常危险生存钻研（Survival Study of Cardiac Arrhythmia Risk，SSCAR）。  


图 | SSCAR 示用意（来源：Nature）  
在以后的临床心脏图象剖析中，医生仅提取简略的疤痕特点，如体积和品质，并未充沛利用相干图象中的症结数据。  
“这些图象带有医生无奈拜候的症结信息，”第一作者、前约翰霍普金斯大学博士生 Dan Popescu 说， “这类瘢痕能够以不同的形式散布，它阐明了患者的生存时机。只不外其中的信息被暗藏了。”  
为此，钻研团队首先使用比较度加强的心脏磁共振图象，来可视化约翰霍普金斯病院 156 名心脏磁心肌病实在患者的瘢痕散布，以训练一种算法来检测肉眼不成见的模式和瓜葛。  


图 | SSCAR 在白色圈出的心脏中检测到高危险（来源：约翰霍普金斯大学）  
钻研小组还使用十年的规范临床患者数据训练了第二个神经网络，患者数据包罗春秋、体重、种族和处方药使用等 22 个要素。  
而后使用深度神经网络间接从 CMR 图象和临床要素中学习这些参数，从而对生存数据进行最好建模，发生高度共性化的生存几率预测，并失掉患者的特同性生存曲线。  
之后，钻研人员在来自美国 60 个医疗核心的独立患者队列的测试中失掉验证，这些患者拥有不同的心脏病史和不同的成像数据，后果标明，算法的预测比医生精确很多，并且在后果标明该零碎能够被普遍运用在任何中央。  
值得留意的是，SSCAR 中使用的定制神经网络的总体设计中，采用了多个步骤来确保后果特点的相干性和可解释性。人工智能算法的可解释性对其普遍运用相当首要，环抱它的耽忧在医疗保健畛域尤其广泛。  
血汗管诊断和医治翻新同盟联结主任 Trayanova 说：“这有可能明显影响无关心律反常危险的临床决策，而且代表着将患者轨迹预测带入人工智能时期的首要一步。它体现了将人工智能、工程学和医学融会为医疗保健将来的趋向。”  
该团队以后正在致力构建算法来检测其余类型的心脏病。按照 Trayanova 的说法，还能够为依赖视觉诊断的其余医学畛域开发深度学习概念。  
参考材料：  
更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App