人工智能在各个领域都有多种应用。无论您需要智能机器人，自动驾驶汽车，智能家居等，人工智能都可以处理所有这些！！！在这些应用程序中，AI在医疗领域对诊断各种问题也非常有帮助。具体来说，我们将在本文中了解人工智能如何在单个心跳中检测到心力衰竭。但是要了解这一点，让我们首先看看什么是人工智能。
什么是人工智能?
人工智能(AI)是一个多学科领域，其主要目标是使目前需要人类智能的活动自动化。人工智能的主要目的是改善计算机行为，以便将其称为智能。它是一个基于这样一个前提的研究领域，即理性思维可以被视为一种可以形式化并最终机械化的计算形式。人工智能中解决的主要问题领域可以概括为感知，操纵，推理，沟通和学习。
人工智能在医疗领域的成功
人工智能彻底改变了癌症的诊断方法。 IBM的超级计算机Watson可以看到个人健康状况的偏差。大约30％的病例，Watson会为患者提供专家遗漏的其他诊断。得克萨斯州休斯顿卫理公会科学研究所的AI取得了甚至更令人印象深刻的结果。人工智能探索了数百万个乳房X线照片，并提供了99％的准确性的解决方案。
微软已经首次证明了AI在自动语音识别的效率方面赶上了人类。为了获得此结果，该公司使用了所谓的高精度和递归神经网络。为了准备测试，需要记录2000个小时的数据。
什么是充血性心力衰竭?
65岁以上的成年人中，将近10％患有充血性心力衰竭(CHF)。发生CHF的原因很多，但基本的慢性病通常是由于心脏无法将血液有效地泵送至体内而出现的。 X射线，血液检查和超声检查均提供了诊断CHF的有用方法。尽管如此，一种更常见的方法还是涉及使用心电图(ECG)信号来确定几分钟内甚至几天内多次测量的心率变异性。现在已经展示了一种令人印象深刻的新方法，它使用了卷积神经网络(CNN) ，该神经网络通过检查来自一个心跳的ECG数据就可以几乎立即识别出CHF。
如何使用AI检测充血性心力衰竭?
将人工智能应用于心电图(ECG)可以及早发现左心功能不全，还可以识别将来其发展风险增加的个体。这项发表在《自然医学》上的研究发现，AI / ECG的准确性优于其他常见的筛查测试，例如前列腺癌的前列腺特异性抗原和乳腺癌的乳房X线照相术。无症状左心室功能障碍(ALVD)的特点是存在心脏泵功能弱，发生心力衰竭的风险大。它占总人口的6％至6％ ，与生活质量和寿命的下降密切相关。但是，找到后可以治疗。当前，没有可用于诊断用途的廉价，无创，无痛，无痛的ALVD筛查工具。
为了解决这个问题，Paul Friedman及其同事测试了是否可以通过训练有素的神经网络在ECG中可靠地检测到ALVD。研究小组使用了来自Mayo诊所的44959例患者的12导联心电图和超声心动图数据，包括左心室射血分数，并训练了一个卷积神经网络，以识别出定义为射血分数小于35％的心室功能不全的患者，方法如下：心电图数据。
在一组52,870名患者中进行测试时，网络模型得出的曲线下面积值，敏感性，特异性和准确性分别为0.93、86.3％，85.7％和85.7％。在没有心室功能障碍的患者中，AI筛查结果阳性的患者与滤网阴性的患者相比，发生未来心室功能障碍的风险是后者的四倍。 Friedman说： “这表明该网络检测到了早期，亚临床，代谢或结构异常，这些异常表现在ECG中。”
100％准确的检测！
“我们在公开的大型ECG数据集上对CNN模型进行了训练和测试，该数据集包含患有CHF和健康以及非心律不齐的受试者。我们的模型仅检查一次心跳即可提供100％的准确性；我们可以检测一个人是否患有心力衰竭。我们的模型也是第一个能够准确识别与病情严重程度相关的ECG形态特征的模型。”萨里大学的塞巴斯蒂安·马萨罗(Sebastian Massaro)说
正如Massaro所建议的那样，该团队的系统报告了令人难以置信的100％准确率，但是这项研究并非没有任何限制。研究中使用的数据仅包括来自严重CHF患者或健康受试者的ECG读数。研究人员确实注意到，对于CHF较轻的患者，结果可能不正确。因此，在将该技术用于临床之前，肯定需要做大量工作来验证更广泛的CHF诊断。