TIMEDOO肽度（微信號：Time-doo）獲悉，美國衛(wèi)生醫(yī)療系統(tǒng)Geisinger Health訓(xùn)練出一套能根據(jù)心電圖預(yù)測患者存活率的機器學(xué)習(xí)模型。這套模型還能監(jiān)測心電圖上一般醫(yī)生可能忽視的部分，更準(zhǔn)確的判斷患者是否將出現(xiàn)心房顫動的癥狀。

根據(jù)Healio報道，機器學(xué)習(xí)模型在醫(yī)療上的應(yīng)用雖已十分常見，但大多都是配合既有的診斷結(jié)果，進(jìn)行特征的識別，很少有研究會用機器學(xué)習(xí)預(yù)測未來事件及患者結(jié)果。Geisinger的機器學(xué)習(xí)模型是第一個只需透過12導(dǎo)程心電圖，就能預(yù)測患者一年內(nèi)死亡率的系統(tǒng)。

研究人員使用了100多萬張來自30多萬名患者的心電圖標(biāo)記，對深度神經(jīng)網(wǎng)路進(jìn)行訓(xùn)練，并讓它預(yù)測患者未來一年的死亡率。結(jié)果顯示，Geisinger機器學(xué)習(xí)模型的接受試者操作(ROC)曲線下面積(AUC)為0.83。在加入年齡、性別等資料后，AUC便達(dá)到0.85。

在處理原本被心臟科醫(yī)生判斷為正常的心電圖時，Geisinger機器學(xué)習(xí)模型也有相當(dāng)不錯的表現(xiàn)。經(jīng)過測試發(fā)現(xiàn)，盡管心電圖上已標(biāo)記了真陽(true positive)、真陰(true negative)，心臟科醫(yī)生仍無法識別出機器學(xué)習(xí)模型所捕捉到的模式。

研究人員指出，患者預(yù)診斷是決定接下來治療方式的重要基礎(chǔ)。他們相信這類模型將能被整合到臨床工作流程，為風(fēng)險評估與預(yù)診斷提供必要的協(xié)助。

此外，研究團隊還利用五摺交叉驗證，訓(xùn)練多類別深度卷積神經(jīng)網(wǎng)預(yù)測患者一年內(nèi)發(fā)生心房顫動的可能性。經(jīng)過訓(xùn)練，預(yù)測模型的AUC達(dá)到0.75，而面對原本被判斷為正常的心電圖時，預(yù)測模型的AUC也有0.72。這代表演算法能夠識別醫(yī)生容易忽略的重要細(xì)節(jié)。

Geisinger目前正試圖透過臨床試驗，證明這套預(yù)測模型的實際應(yīng)用價值。除了心房顫動的預(yù)測外，研究團隊也想證實及早治療將能降低中風(fēng)等有害結(jié)果發(fā)生的機率。

編輯|周新思