新AI助預測心臟病

    隨着人工智能(AI)發展，加上數據分析軟體愈來愈先進，加速為患者開發最佳解決方案。美國研究團隊日前發佈消息稱，該團隊研究人員開發了一種深度學習模型，該模型使用單次胸部X光片就能預測心臟病發作或中風在十年內死亡的風險。

    研究人員之一、麻塞諸塞州心血管影像研究中心醫學博士雅各 · 韋斯指出，深度學習是一種高級類型的人工智能，可訓練它來搜索X射線圖像，以找到與疾病相關的模式。我們的深度學習模型為利用現有的胸部X光圖像篩查心血管疾病風險提供了潛在的解決方案。這種類型的篩查可用於識別那些可以使用他汀類藥物但尚未接受治療的個人。

    研究人員使用胸部X光(CXR)圖像輸入訓練了一個深度學習模型，名為“CXR-CVD風險”，利用前列腺癌、肺癌、結直腸癌和卵巢癌篩查試驗中超過四萬名參與者的十四萬七千四百九十七張胸部X光片來預測心血管疾病的死亡風險。

    研究人員使用第二組一萬一千四百三十名門診患者（平均年齡六十點一歲；百分之四十二點九為男性）對該模型進行了測試，這些患者接受了常規的門診胸部X光檢查，並有可能接受他汀類藥物治療。其中一千○九十六名，即百分之九點六，在十點三年的中位隨訪期內發生了嚴重的不良心臟事件。CXR-CVD風險深度學習模型預測的風險與觀察到的主要心臟事件之間存在顯着關聯。

    研究人員還將該模型的預後價值與確定他汀類藥物資格的既定臨床標準進行了比較。由於電子記錄中缺少資料（例如，血壓、膽固醇），因此只能在二千四百○一名患者（百分之廿一）中進行計算。對於這部分患者，CXR-CVD風險模型的表現與已建立的臨床標準相似，甚至提供了增量價值。從這個角度看，CXR-CVD風險模型可以幫助患者更好了解身體狀況。

    韋斯說，這種方法的好處在於，只需要做一次胸部X光檢查，深度學習模型就可預測未來的主要心血管不良事件，該模型最終可能成為醫生的決策支持工具。對於藥企、醫院而言，在擁有充足醫學知識和醫學資料的基礎上，仍需要耗費大量時間、精力方能產出醫學結果。因此，其急需大資料、AI等數位化技術提升研發速度，縮短藥物臨床前研究各環節的時間，因此AI輔助醫學研究市場值得關注。

    美    子