来自Geisinger和Tempus的一组科学家发现，人工智能可以预测发生新房颤（AF）和与AF相关的中风的风险。
心房颤动是最常见的心律不齐，并与许多健康风险相关，包括中风和死亡。这项发表在《循环》上的研究使用了来自心脏的电信号（通过12导联心电图（ECG）进行测量）来识别可能发展为房颤的患者，包括那些患有房颤相关中风的患者中国机械网okmao.com。
“每年在美国进行的心电图检查均超过3亿次，以识别出某次护理中的心脏异常。但是，这些测试通常无法检测出未来发生诸如心房纤颤或中风等不良事件的可能性，”该公司首席科学官Joel Dudley说脾气 “这项重要的工作源于我们在心脏病学方面的重大投资。
以生成可以使现有的心脏病学测试（例如ECG）更加智能并且能够预测未来临床事件的算法。我们的目标是使临床医生能够在疾病过程中尽早采取行动。”
为了开发他们的模型，数据科学家和医学研究人员团队在Geisinger的35年患者护理中使用了来自43万患者的160万个ECG。这些数据被用来训练一个深层神经网络-一种特殊的人工智能-在没有AF史的患者中预测将在12个月内发展为AF的患者。
神经网络的性能超过了目前用于预测房颤风险的临床模型。此外，该模型在卒中发生之前的三年内，将62％的未知房颤患者经历了与房颤相关的中风。
“我们不仅可以预测谁有发生房颤的风险，而且这项工作表明，高风险预测先于许多与房颤有关的中风，”共同资深作者兼主席布兰登·福恩瓦特（Brandon Fornwalt）博士说。 Geisinger的转换数据科学和信息学系。“利用这种信息，我们可以改变筛查和治疗这些患者的方式，从而有可能预防如此严重的后果。这对患者而言意义重大。”
盖辛格（Geisinger）和坦普斯（Tempus）继续合作，利用人工智能的实际应用来推进精密医学。该项目的资金由Geisinger诊所和Tempus提供。