當前，中國心血管病11患病率處于持續(xù)上升階段，其中，心力衰竭作為導致死亡的重要病因之一愈發(fā)受到重視。2019年《中國心血管健康與疾病報告》顯示，2019年心力衰竭人數(shù)直逼890萬。

心力衰竭往往來勢洶洶，急性心力衰竭最常見的警告信號之一是肺部液體過多，這種情況被稱為“肺水腫”。

而一個病人確切的過剩液體水平通常決定醫(yī)生的治療方案，但作出這樣的決定是困難的，需要臨床醫(yī)生依賴于X光片中的細微特征，這也導致許多情況下，診斷和治療計劃不一致。

為了更好地處理這種細微差別，近日，麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員開發(fā)了一個機器學習模型，可以通過X光來量化水腫的嚴重程度，分為0級（健康）到3級（非常非常非常糟糕）。系統(tǒng)在一半以上的時間內(nèi)確定了正確的級別，并且90％的時間正確診斷了3級病例。

這可能意味著通過CT掃描發(fā)現(xiàn)遺漏的癌癥診斷，或者在醫(yī)生看到阿爾茨海默氏癥的跡象之前數(shù)年就能檢測出來。研究過程中還使用人工智能分析心電圖結(jié)果如何幫助醫(yī)生通過識別左心室功能障礙來確定最容易發(fā)生心力衰竭的患者，這項新的研究也遵循了類似的路徑，盡管關(guān)注的是不同的機制。

研究小組表示，更好的水腫診斷不僅有助于醫(yī)生處理急性心臟問題，還可以幫助醫(yī)生處理與水腫密切相關(guān)的其他疾病，如敗血癥和腎功能衰竭。

顯然，數(shù)據(jù)與算法的結(jié)合正在重塑醫(yī)療診斷，通過現(xiàn)代計算的力量，這些算法能夠查看醫(yī)療成像數(shù)據(jù)，發(fā)現(xiàn)臨床醫(yī)生無法看到的人類狀況的微妙但關(guān)鍵的變化，從而開啟一些令人興奮的可能性。

責編AJX