Geisinger的研究人员发现，利用心脏超声心动图视频开发的一种计算机算法可以预测一年内的死亡率。

该算法是机器学习或人工智能（AI）的一个例子，比其他临床上使用的预测方法，包括混合队列方程和西雅图心力衰竭评分。这项研究的结果发表在《自然生物医学工程》（Nature Biomedical Engineering）上。“我们很高兴地发现，机器学习可以利用非结构化数据集（如医学图像和视频）来改进广泛的临床预测模型，”博士Chris Haggerty说。，Geisinger翻译数据科学和信息学系的联合高级作者和助理教授。

成像对于大多数医学专业的治疗决策至关重要，并且已经成为电子健康记录（EHR）中数据最丰富的组成部分之一。例如，一次心脏超声可以产生大约3000张图像，而心脏病专家在解释这些图像时，仅用了有限的时间来解释大量其他诊断数据。这为利用机器学习等技术来管理和分析这些数据并最终为医生提供智能计算机帮助创造了一个巨大的机会。

在他们的研究中，研究团队使用专门的计算硬件在812上训练机器学习模型，在过去的十年里，共收集了34362名盖辛格患者的278段超声心动图视频。这项研究将该模型的结果与心脏病专家基于多项调查的预测进行了比较。随后的一项调查显示，在该模型的帮助下，心脏病专家的预测准确率提高了13%。利用近5000万张图像，这项研究是迄今为止发表的最大的医学图像数据集之一。

“我们的目标是开发计算机算法来改善患者护理，”盖辛格翻译数据科学和信息学系的作者和高级数据科学家Alvaro Ulloa Cerna博士说在这种情况下，我们很高兴我们的算法能够帮助心脏病专家改善他们对患者的预测，因为治疗和干预的决定是基于这些类型的临床预测。”

Journal Reference:

Alvaro E. Ulloa Cerna, Linyuan Jing, Christopher W. Good, David p. vanMaanen, Sushravya Raghunath, Jonathan D. Suever, Christopher D. Nevius, Gregory J. Wehner, Dustin N. Hartzel, Joseph B. Leader, Amro Alsaid, Aalpen A. patel, H. Lester Kirchner, John M. pfeifer, Brendan J. Carry, Marios S. pattichis, Christopher M. Haggerty, Brandon K. Fornwalt. Deep-learning-assisted analysis of echocardiographic videos improves predictions of all-cause mortality. Nature Biomedical Engineering, 2021; DOI: 10.1038/s41551-020-00667-9

Cite This page:

MLA ApA Chicago Geisinger Health System. "AI can predict early death risk: Algorithm using echocardiogram videos of the heart outperformsother predictors of mortality." ScienceDaily. ScienceDaily, 9 February 2021. <www.sciencedaily.com/releases/2021/02/210209113914.htm>. Geisinger Health System. (2021, February 9). AI can predict early death risk: Algorithm using echocardiogram videos of the heart outperformsother predictors of mortality. ScienceDaily. Retrieved February 10, 2021 from www.sciencedaily.com/releases/2021/02/210209113914.htm Geisinger Health System. "AI can predict early death risk: Algorithm using echocardiogram videos of the heart outperformsother predictors of mortality." ScienceDaily. www.sciencedaily.com/releases/2021/02/210209113914.htm (accessed February 10, 2021).