整体心脏病早期诊断更容易：AI模型可准确识别高危患者

基本概念的结构上脊柱病（structural heart disease，SHD）特指任何脊柱结构的成现异常，任何与脊柱和大血管结构有关的传染病。其是一种顺利未完成性传染病，这仅仅病患者才会随着时间的推移而恶化，如果不短时间内推测和治疗，成生率较高。所以，最初临床和治疗是改善病患者预后的关键。

当地时间5年底24日，新泽西州区域卫生系统Geisinger和微生物新技术数据库分析公司Tempus的流行病学内科医生和科学家推测，其计算机科学模型可以在病病患者未确诊时，准确比对成其患结构上脊柱病的几率在上升，即标记成高危结构上脊柱病病患者。

这个模型的数据库来自非常常见的十二导联脑电图(ECG)，数据库分析人员收集了1984年至 2021年间在Geisinger做护理的48万名病患者的220万份脑电图数据库。该数据库使用培训深度神经网络(DNN)，以计算在没有结构上脊柱病病史的病患者中所，哪些病患者才会患上这种传染病，从而使其可以从监测或治疗中所受益。

这个名为rECHOmmend计算机科学模型可以通过磁共振心动图（脊柱磁共振）计算七种结构上脊柱病中所的任何一种。“过去的数据库分析说明，计算机科学并能通过磁共振心动图顺利未完成单一传染病筛查。rECHOmmend则在此并重再进一步提高磁共振心动图作为结构上脊柱病筛查工具的可行，”Geisinger高级数据库科学家、该数据库分析的主要所写Alvaro Ulloa Cerna表示，“这可以帮助最初临床，并避免传染病再进一步转型及其使人崩溃的病患者成现。”

Tempus首席科学职Joel Dudley说，“结构上脊柱病具有极好的感染率和成生率。我们的两个一个团队早就此后寻找新的原理，在脊柱病病患者到达不可逆转的严重崩溃阶段之前应用计算机科学来未完成计算。”

这项数据库分析是Tempus和Geisinger一个团队近年开展的“基于AI的脊柱病学数据库分析”的最新成果。此前2020年5年底，这两个组织合作数据库分析AI前提可以使用 ECG 数据库准确计算成生率，数据库分析（Prediction of mortality from 12-lead electrocardiogram voltage data using a deep neural network）发表于《共存·医学》上。其数据库分析说明，计算机科学可以直接从脑电图数据库计算成生率，甚至其中所有大量脑电图数据库是被内科医生说明了为正常。

2021年，这个一个团队创建了计算新发心房颤动(AF)和AF相关中所风几率的AI模型，发表于《Circulation》杂志。AF模型被自行决定使用40岁及以上的病患者，这些病患者没有预先存在或都将的AF或心房扑动，但根据常用的流行病学卒中所几率评估工具，他们的卒中所几率较高。