Geisinger 的研究人員發現，利用心臟超聲波影象開發的計算機演算法可以預測一年內的死亡率。

該演算法是所謂的機器學習或人工智慧(AI)的一個例子，它的表現超過了其他臨床使用的預測指標，包括合併佇列方程和西雅圖心衰評分。該研究結果發表在《Nature Biomedical Engineering》雜誌上。

“我們很高興地發現，機器學習可以利用醫學影象和影片等非結構化資料集來改進大範圍的臨床預測模型,”蓋辛格大學轉化資料科學和資訊學部(Department of Translational Data Science and Informatics at Geisinger)的合著者、助理教授克里斯 · 哈格蒂(Chris Haggerty)博士說。

在大多數醫學專業中，影像學對於治療決策至關重要，並已成為電子健康記錄(EHR)中資料最豐富的組成部分之一。例如，一個心臟超聲波產生大約3000影象，心臟病學家有限的時間來解釋這些影象的上下文中的許多其他診斷資料。這為利用諸如機器學習等技術來管理和分析這些資料創造了一個重要的機會，並最終為醫生提供智慧計算機輔助。

在他們的研究中，研究團隊使用了專門的計算硬體來訓練機器學習模型，在過去10年中收集了來自34362個蓋辛格病人的812278個超聲心動圖影片。該研究將模型的結果與心臟病專家基於多項調查的預測結果進行了比較。隨後的一項調查顯示，在該模型的輔助下，心臟病專家的預測準確率提高了13% 。利用近5000萬張影象，這項研究代表了有史以來最大的醫學影象資料集之一。

參考資料：

Alvaro E. Ulloa Cerna, etal. Deep-learning-assisted analysis of echocardiographic videos improves predictions of all-cause mortality. Nature Biomedical Engineering, 2021; DOI: 10.1038/s41551-020-00667-9