ИИ предсказывает риск ранней смерти

Исследователи обнаружили, что компьютерный алгоритм, разработанный с использованием видеозаписей эхокардиограммы сердца, может предсказать смертность в течение года.

Алгоритм - пример так называемого машинного обучения или искусственного интеллекта (ИИ) - превзошел другие клинически используемые предикторы, в том числе уравнения объединенных когорт и оценку сердечной недостаточности в Сиэтле.

Исследователи из Geisinger обнаружили, что компьютерный алгоритм, разработанный с использованием видео эхокардиограммы сердца, может предсказать смертность в течение года. Результаты исследования опубликованы в журнале Nature Biomedical Engineering.

«Мы были рады обнаружить, что машинное обучение может использовать неструктурированные наборы данных, такие как медицинские изображения и видео, для улучшения широкого спектра моделей клинического прогнозирования», - сказал Крис Хаггерти, доктор философии, соавтор и доцент кафедры. наук о трансляционных данных и информатике в Geisinger.

Визуализация имеет решающее значение для принятия решений о лечении в большинстве медицинских специальностей и стала одним из наиболее богатых данными компонентов электронной медицинской карты (EHR). Например, одно УЗИ сердца дает примерно 3000 изображений, и кардиологи имеют ограниченное время для интерпретации этих изображений в контексте множества других диагностических данных. Это создает существенные возможности для использования таких технологий, как машинное обучение, для управления и анализа этих данных и, в конечном итоге, для оказания интеллектуальной компьютерной помощи врачам. 

Для своего исследования исследовательская группа использовала специализированное вычислительное оборудование для обучения модели машинного обучения на 812 278 видео эхокардиограмм, собранных у 34 362 пациентов Geisinger за последние десять лет. В исследовании сравнивались результаты модели с прогнозами кардиологов, основанными на нескольких опросах. Последующий опрос показал, что с помощью модели точность прогнозов кардиологов улучшилась на 13 процентов. Это исследование с использованием почти 50 миллионов изображений представляет собой один из крупнейших когда-либо опубликованных наборов данных медицинских изображений.