根據(jù)美國(guó)疾病控制與預(yù)防中心的估計(jì)，美國(guó)有450萬人患有肝病，而且通常沒有癥狀。Cedars-Sinai的研究人員正在努力使用人工智能算法使肝病診斷更容易、更快。
Cedars-Sinai的研究人員開發(fā)了一種機(jī)器學(xué)習(xí)模型，可以從一種常見的心臟病檢測(cè)方法超聲心動(dòng)圖中拍攝的視頻來識(shí)別慢性肝病。該檢查使用超聲波篩查患者的心臟是否患有心血管疾病，標(biāo)準(zhǔn)的超聲心動(dòng)圖研究通常包含50多個(gè)視頻，包括肝臟圖像。
機(jī)器學(xué)習(xí)模型被稱為EchoNet Liver，研究人員在相應(yīng)的研究中將其描述為一種深度學(xué)習(xí)、計(jì)算機(jī)視覺管道，可以從全超聲心動(dòng)圖研究中識(shí)別高質(zhì)量的皮層下圖像，并檢測(cè)肝硬化和脂肪變性肝病的存在。EchoNet Liver是使用來自Cedars–Sinai醫(yī)療中心66000多項(xiàng)研究的150多萬個(gè)超聲心動(dòng)圖視頻開發(fā)的，涉及近25000名患者。
“患有心臟病的人經(jīng)常會(huì)患上慢性肝病，區(qū)分原發(fā)性肝病和心臟病繼發(fā)的肝損傷可能很有挑戰(zhàn)性?！贬t(yī)學(xué)博士David Ouyang說，他是Smidt心臟研究所心臟病科的心臟病學(xué)家，醫(yī)學(xué)人工智能部的研究員，也是發(fā)表在《新英格蘭醫(yī)學(xué)雜志》人工智能上的這項(xiàng)研究的資深作者?！拔覀兊纳疃葘W(xué)習(xí)模型可以幫助醫(yī)生發(fā)現(xiàn)可能被忽視的肝病，從而指導(dǎo)適當(dāng)?shù)暮罄m(xù)檢測(cè)?！?/p>
Cedars-Sinai的一份新聞稿稱，這項(xiàng)技術(shù)建立在EchoNet的基礎(chǔ)上，EchoNet是Ouyang及其同事開發(fā)的一種計(jì)算機(jī)視覺技術(shù)，可以識(shí)別和分析超聲心動(dòng)圖中的模式。
該研究得出結(jié)論，對(duì)超聲心動(dòng)圖的深度學(xué)習(xí)評(píng)估能夠?qū)χ咀冃愿尾『透斡不M(jìn)行機(jī)會(huì)性篩查，有助于識(shí)別可能從慢性肝病的進(jìn)一步診斷測(cè)試和治療中受益的患者。
Cedars-Sinai Smidt心臟研究所心臟病學(xué)系助理教授、該研究的資深通訊作者Alan Kwan醫(yī)學(xué)博士說：“將人工智能結(jié)合到捕獲心臟和肝臟圖像的超聲心動(dòng)圖中，可以在不增加額外費(fèi)用的情況下診斷肝臟疾病?！?/p>
像EchoNet Liver這樣的機(jī)器學(xué)習(xí)模型突顯了人工智能驅(qū)動(dòng)的計(jì)算機(jī)視覺在醫(yī)療診斷中日益增長(zhǎng)的潛力。通過利用現(xiàn)有的成像技術(shù)，這些模型可以增強(qiáng)疾病檢測(cè)，而不會(huì)增加常規(guī)篩查的成本或復(fù)雜性。隨著人工智能的不斷發(fā)展，它識(shí)別醫(yī)學(xué)成像模式的能力可能會(huì)導(dǎo)致早期診斷、更有針對(duì)性的治療，并改善一系列疾病的患者預(yù)后。EchoNet Liver的成功表明，人工智能目前正在改變醫(yī)療保健，為檢測(cè)可能被忽視的疾病提供了新的工具。
熱門跟貼