人工智慧(AI) 在醫療保健領域取得了重大進展，兩項突破性研究將於2023 年美國心臟協會科學會議上發表。這些研究展示了人工智慧在檢測心臟瓣膜疾病和預測心血管疾病(CVD) 方面的潛力。 ） 風險。這些研究由著名研究人員領導，提供了有希望的結果，可能徹底改變心血管疾病的診斷和管理方式。
在美國三個初級保健診所進行的一項開創性研究證明了人工智慧在識別未診斷的瓣膜性心臟病方面的力量。檢測心臟瓣膜問題的傳統方法通常依賴醫療保健專業人員使用標準聽診器的技能。然而，這項研究的目的是將人類臨床醫生的表現與利用數位聽診器聲音數據的人工智慧程式的表現進行比較。
研究：主要發現
369 名50 歲及以上且先前未診斷出心臟瓣膜疾病的成年人參與了這項研究。人類臨床醫生和基於人工智慧的數位聽診器對參與者進行了檢查。
沒有任何醫療保健專業人員知道人工智慧結果或超音波心動圖結果，確保了盲目研究。
使用數位聽診器的人工智慧方法檢測出了高達94.1% 的瓣膜性心臟病病例，而人類臨床醫生使用標準聽診器只能檢測到41.2%。 AI 辨識出22 例先前未確診的中度或重度心臟瓣膜疾病病例，而人類臨床醫師僅識別出8 例。
馬薩諸塞州勞倫斯市麻省總醫院布里格姆社區醫生中心的高級醫學主任Moshe Rancier 博士強調了這項研究結果的重要性。他指出，未診斷或晚期診斷的瓣膜性心臟病可能會產生可怕的後果，並對醫療保健系統造成沉重負擔。支援人工智慧的數位聽診器為瓣膜性心臟病提供了更有效率、更有效的篩檢工具，有可能實現早期診斷並改善患者的治療結果。
研究限制和未來方向
雖然該研究證明人工智慧方法在檢測心臟瓣膜疾病方面具有高靈敏度，但使用標準聽診器的人類臨床醫生的診斷更加具體，減少了誤報的可能性。需要進一步的研究來評估更大、更多樣化的患者群體的臨床結果以及額外的診斷測試和治療。
第二項研究是基於英國生物銀行的數據，探討了人工智慧透過分析視網膜影像來預測心血管疾病事件風險的用途。這種創新方法依靠深度學習演算法來評估眼後影像並確定個人發生心血管事件（例如心臟病和中風）的風險。
研究納入了1,101 名糖尿病前期或2 型糖尿病患者。
研究人員根據人工智慧對視網膜影像的分析，將參與者分為低風險、中風險和高風險群。在中位11 年期間，低風險組中8.2%、中風險組中15.2% 和高風險組中18.5% 的人經歷心血管疾病事件。
在考慮了各種風險因素（包括年齡、性別、藥物使用和吸菸史）後，中度風險組的個體發生心血管事件的可能性比低風險組的個體高57%。高風險族群的可能性高出88%。
該研究的主要作者、韓國首爾延世大學副教授Chan Joo Lee 博士強調了人工智慧視網膜成像分析在高風險族群心臟病早期檢測和風險管理方面的潛力。這種方法可以為糖尿病前期和2 型糖尿病患者帶來及時的干預和更好的結果。
雖然該研究利用了英國生物銀行的大量數據集，但人口主要是歐洲血統，這引發了人們對這些研究結果是否適用於更多樣化的種族和民族群體的疑問。需要進一步的研究來驗證視網膜成像與其他心血管風險評估工具相比的有效性。
影響和未來方向
這兩項研究的令人鼓舞的結果強調了人工智慧在心血管疾病診斷和風險評估領域的變革潛力。范德堡大學醫學中心個人化醫療領先專家Dan Roden 博士對人工智慧在心血管護理領域的未來表示樂觀。他建議，將人工智慧聽診器與其他影像方式結合可以進一步增強對瓣膜和其他心臟疾病的檢測，從而徹底改變心血管護理。
然而，解決這些人工智慧工具的局限性至關重要，包括它們的準確性和對不同人群的適用性。未來的研究和驗證對於確保這些基於人工智慧的方法在臨床實踐中的可靠性和有效性至關重要。
資訊來源：由0x資訊編譯自CRYPTOPOLITAN。版權所有，作者Benson Mawira所有，未經許可，不得轉載