人工智可以查看正常心電圖算命
現代醫學的研究往往是查找風險因素,提前進行干預,以提高健康狀況和延年益壽。例如幾十年前,研究發現高血壓和高LDL膽固醇會增加死亡風險,於是醫學上通過運動,食物或藥物干預努力把高血壓和高膽固醇變為正常,從而降低了死亡風險。
最新研究顯示,在那些醫生看來是正常的心電圖,人工智慧可以超越目前的醫學知識,找出那些有著高死亡風險的人,儘管對於它是如何做到這一點的,目前仍然是一個謎。
在該研究中, 美國賓夕法尼亞州Geisinger醫學中心的布蘭登•福納特(Brandon Fornwalt)和他的同事們讓人工智慧檢查了近40萬人的177萬次心電圖的結果,以預測誰在一年內死亡的風險更高。
他們使用一種稱為操作特徵曲線(receiver operating characteristic curve,ROC)的統計學工具來評價檢查效果,並以心臟專科醫生的檢查結果進行對比。
ROC曲線下方的面積(Area under the Curve of ROC,AUC)最大值為1.00, AUC值越高,預測性越好。0.50分表明組間沒有區別. 數十年來,ROC分析被廣泛用於醫學研究領域,最近也在機器學習(machine learning)和數據挖掘(data mining)領域得到了很好的應用。
在該研究中,AUC指標衡量了一個模型在兩組人群中的區分程度: 一年內死亡的患者或倖存的患者。人工智慧的得分一直在0.85以上,相比之下,專科醫生作的風險評分的AUC在0.65到0.8之間。人工智慧的預測性明顯高於專科醫生的。
為了進行比較,研究人員還創建了一個基於醫生目前測量的心電圖特徵的演演算法,比如記錄中的某些模式。Fornwalt說:「不管怎樣,基於電壓的模型總是比任何一個你可以根據我們已經測量過的心電圖建立的模型都要好。」。人工智慧準確地預測了死亡的風險,即使在心臟病學家認為心電圖正常的人群中也是如此。三位心臟病專家分別檢查了外觀正常的心電圖,但他們沒有發現人工智慧檢測到的風險。
Fornwalt說:「這一發現表明,這個模型看到的是人類可能看不到的東西,或者至少是我們忽略並認為正常的東西」。他說:「人工智慧可能會教給我們一些我們幾十年來一直誤解的東西。」。
合作者Christopher
Haggerty說,這項研究是基於歷史數據的分析的結果,如果將來臨床研究證明這種演演算法能夠改善患者的預后的話,那將是是很重要的。這項研究將於11月16日在美國心臟協會(AHA)會議上發表。
主要參考資料
https://www.popularmechanics.com/science/health/a29762613/ai-predict-death-health/
https://www.newscientist.com/article/2222907-ai-can-predict-if-youll-die-soon-but-weve-no-idea-how-it-works/