只要輸入心血管疾病和健康心電圖樣本,這個人工智能工具便能學習辨別病患心電圖的規律,從而協助判斷病患是否患心血管疾病、心肌梗塞或充血性心力衰竭。
利用人工智能分析病患的心電圖,研究人員能更快速和准確地發現心髒異常,協助診斷和及早治療,避免其他並發症。
這個人工智能工具由南洋理工大學、新加坡國家心髒中心和義安理工學院的臨床醫生和研究人員共同研發。工具使用了Gabor卷積神經網絡(Gabor-CNN)的機器學習算法,模擬人類大腦結構和功能,讓電腦能如人腦學習辨認規律。
只要輸入心血管疾病和健康心電圖樣本,工具便能學習辨別病患心電圖的規律,從而協助判斷病患是否患心血管疾病、心肌梗塞或充血性心力衰竭。
研究人員利用公共數據庫的92名健康試驗者、七名心血管疾病病患,148名心肌梗塞病患和15名充血性心力衰竭病患的心電圖,其中有九成數據用以訓練系統,另外一成則用以測試。在未去除雜音的情況下,工具只需心電圖兩秒鍾片段就能診斷,准確度高達98.74%。
國家心髒中心心髒內科高級顧問醫生陳如杉副教授說,目前醫生會通過系統預設的數值和規則分析心電圖,但數值並不是根據臨床觀察所制定。
“如果沒有受過專科培訓,許多醫生都不精通分析心電圖,因此會借助預設數值。不過,根據我的經驗,這些數值經常出現錯誤。”
通過人工智能分析能更准確和快速偵測有問題的心電圖,包括辨別人類無法察覺的細微變化。雖然要確定具體病症還需磁共振成像(MRI)等額外測試,但檢測工具將有效分類病患,簡化下遊確定測試的數量和類型。
這項研究是首個用人工智能分析心電圖的診斷工具,南大機械與宇航工程學院吳應貴副教授說:“人工智能技術有潛力能改善醫療方案,尤其是在數據分析方面爲醫生提供新工具來進行判斷。由于數據量和複雜性增加,機器學習和深度學習等技術也可以提高醫學知識,解鎖更多信息。”
新加坡過去三年死于心血管疾病的人數不斷增加,根據新加坡心髒基金會的數據,本地2019年死亡數據中有29.3%是死于心髒疾病或中風。研究人員希望通過這項技術更快診斷心血管疾病,讓病患能早點接受治療,同時避免心髒衰竭、中風、腎髒水解等病發症。
研究團隊接下來計劃與本地醫院合作展開更大規模的試驗,利用更多病患的數據來認證系統的准確性,並更好了解本地病患的特征。團隊也計劃教導人工智能工具辨別心律不齊和心房顫動等其他心血管疾病,並探討如何將它融入可穿戴設備,隨時監督病患的心電圖。