(资料图片)

AI(人工智能)听起来像是一个冰冷的机器人系统，但大阪都立大学的科学家们已经证明，它可以提供温暖人心的支持，或者更确切地说，“心脏警告”支持。他们推出了人工智能的创新应用，以前所未有的精度对心脏功能进行分类并查明瓣膜性心脏病，展示了在融合医学和技术领域以促进患者护理方面的持续进展。研究结果将发表在《柳叶刀数字健康》杂志上。

瓣膜性心脏病是心力衰竭的原因之一，通常使用超声心动图进行诊断。然而，这项技术需要专业技能，因此合格的技术人员相应短缺。与此同时，胸部X光检查是识别疾病(主要是肺部疾病)的最常见测试之一。尽管心脏在胸片中也可见，但迄今为止人们对胸片检测心脏功能或疾病的能力知之甚少。

许多医院都会进行胸部 X 光检查，并且只需要很少的时间即可进行，因此非常容易获得和重复。因此，大阪都立大学医学研究生院诊断与介入放射学系Daiju Ueda博士领导的研究小组认为，如果可以通过胸部X光片确定心脏功能和疾病，那么这项检查可以作为超声心动图的补充。

上田博士的团队成功开发了一种模型，利用人工智能根据胸片对心脏功能和瓣膜性心脏病进行准确分类。由于在单一数据集上训练的人工智能面临潜在偏差，导致准确性较低，因此该团队将目标瞄准了多机构数据。

因此，2013 年至 2021 年间，从四个机构的 16,946 名患者中收集了与 22,551 个超声心动图相关的总共 22,551 张胸部 X 光照片。将胸部 X 光照片设置为输入数据，将超声心动图设置为输出数据，训练 AI 模型以学习连接特征两个数据集。

AI 模型能够对六种选定类型的瓣膜性心脏病进行精确分类，曲线下面积 (AUC) 范围为 0.83 至 0.92。(AUC是表示AI模型能力的评级指标，取值范围为0到1，越接近1越好。)检测左心室射血的40%截止值时AUC为0.92分数——监测心脏功能的重要指标。

“我们花了很长时间才得到这些结果，但我相信这是一项重要的研究，”上田博士说。“除了提高医生诊断效率外，该系统还可以用于没有专家的地区、夜间紧急情况以及难以进行超声心动图检查的患者。”