新的AI軟件可以通過X射線快速，準確地確定心律設備的制造商和型號，從而可能在設備出現故障時加快治療速度。

全球主要作者詹姆斯·P·霍華德（James P. Howard），MB BChir和其同事在《JACC：臨床電生理學》（ CCC）中寫道，全世界每年有超過100萬人植入起搏器，環(huán)路記錄儀或除纖顫器，但患者在設備故障時會迅速惡化。當患者無法共享設備型號或臨床醫(yī)生無法訪問植入醫(yī)院的記錄時，心臟病醫(yī)生通常會將X射線圖像與流程圖進行比較，以嘗試確定制造該設備的制造商。只有這樣，才能相應地調整設備的編程。

但是霍華德等。發(fā)現卷積神經網絡（CNN）在識別1676種設備的圖像方面比心臟病專家要準確得多，其中包括來自五個制造商的45種不同模型。

CNN從X射線照片中挑選出制造商的準確性為99.6%，在識別模型組方面的準確性為96.4%。五位心臟病專家（包括兩名電生理學家）在識別制造商方面的準確度在62.3%到88.9%之間，并且使用流程圖算法無法進行模型組識別。電生理學家是最準確的，但是第二好的醫(yī)師在選擇制造商時達到了72%的準確性。

霍華德等。他說，他們的模型可能在臨床上很有用，尤其是在進一步研究評估并驗證其真實世界準確性之后。該系統(tǒng)當前可作為教育工具在線使用，醫(yī)生可以與之交互并向其上傳圖像。

“起搏器程序員是便攜式的，但體積很大，只有制造商（即特定的程序員）才能與患者的設備進行通信，”霍華德和合著者寫道。知道要帶給哪個程序員可以節(jié)省寶貴的臨床時間。這不僅可以促進緊急情況下設備的快速詢問，而且還可以提供緊急治療，例如在表現出室性心動過速的患者中進行抗心動過速起搏?！?/p>

研究人員說，只有一種情況，CNN無法準確識別設備的制造商。在更多情況下，沒有選擇特定的模型，但是CNN為每個圖像提供了前三個預測，并且在99.6%的時間中，它在前三個選擇中都包含了正確的模型。

霍華德等。他說，使用該算法僅需要將設備的X射線圖像上傳到裝有該軟件的計算機上，這樣一來，預測結果就會在幾秒鐘內回復。CNN只能識別經過訓練的45種設備，但是作者鼓勵其他臨床醫(yī)生將其他設備的圖像添加到在線門戶。他們寫道，它采用了25種新設備來訓練神經網絡的示例。

“我們的方法可能會加快心律失常設備患者的診斷和治療，但是本文還演示了如何越來越多地使用神經網絡來處理整個醫(yī)療保健系統(tǒng)中的大量醫(yī)療數據，以及未來的患者護理將如何依賴越來越多地依靠計算機輔助決策?！被羧A德及其同事寫道。