聯(lián)系電話: 010-8882344888
人工智能正在穩(wěn)步改變醫(yī)療保健。聊天機(jī)器人現(xiàn)在可以幫助對(duì)癥狀進(jìn)行分類，算法在發(fā)現(xiàn)掃描影像中的異常方面也越來越好。每一個(gè)新系統(tǒng)都會(huì)突破機(jī)器的極限。不過有一種工具在200多年里幾乎沒有改變：聽診器。這仍然是醫(yī)生傾聽患者心臟和肺部的第一件事。現(xiàn)在，隨著人工智能的加入，聽診器變得更加智能。
倫敦帝國理工學(xué)院和帝國理工大學(xué)醫(yī)療保健NHS信托基金的研究人員所聲稱，他們正在領(lǐng)導(dǎo)TRICORDER研究。他們正在測(cè)試一種人工智能聽診器Eko DUO，有望在15秒內(nèi)檢測(cè)到心力衰竭、房顫和瓣膜疾病。
臨床醫(yī)生使用新的聽診器可以記錄心音和單導(dǎo)聯(lián)心電圖。這些數(shù)據(jù)被發(fā)送到云端，機(jī)器學(xué)習(xí)模型在云端分析這些數(shù)據(jù)，以尋找嚴(yán)重心臟病的跡象。這些模型經(jīng)過訓(xùn)練，可以識(shí)別在常規(guī)體檢中可能遺漏的細(xì)微模式。
幾秒鐘后，結(jié)果會(huì)返回給臨床醫(yī)生的手機(jī)或電腦。如果出現(xiàn)異常，則標(biāo)記為后續(xù)跟進(jìn)。值得注意的是，該設(shè)備不是為做出臨床決策而設(shè)計(jì)的。它通過添加另一層有價(jià)值的數(shù)據(jù)來支持和配合醫(yī)生的。
該設(shè)備是基于Eko DUO構(gòu)建的，這是一種由總部位于加利福尼亞州的醫(yī)療技術(shù)公司Eko Health創(chuàng)建的數(shù)字聽診器。帝國理工學(xué)院的團(tuán)隊(duì)正在領(lǐng)導(dǎo)這項(xiàng)技術(shù)的研究，以找出它是否真的能改善護(hù)理，Eko沒有參與這項(xiàng)研究。這項(xiàng)研究的重點(diǎn)是，這樣的工具是否可以幫助醫(yī)生在常規(guī)預(yù)約中更早、更可靠地發(fā)現(xiàn)心臟問題。
如果這個(gè)工具兌現(xiàn)了它的承諾，它可能會(huì)真正改變心臟病的發(fā)現(xiàn)和治療方式。這就是為什么這個(gè)工具被認(rèn)為是門診服務(wù)行業(yè)的游戲規(guī)則改變者。
現(xiàn)在，很多人只有在事情已經(jīng)嚴(yán)重的時(shí)候才發(fā)現(xiàn)問題所在。心力衰竭和瓣膜疾病往往得不到診斷，直到癥狀不容忽視。到那個(gè)階段，治療變得更加復(fù)雜，長(zhǎng)期損害的風(fēng)險(xiǎn)要高得多。
在例行檢查期間快速傾聽可能會(huì)提供一些不同的東西。早期預(yù)警可以加快決策，這可能會(huì)對(duì)患者護(hù)理產(chǎn)生巨大影響。對(duì)于醫(yī)生來說，它可以提供關(guān)鍵的見解，而不會(huì)給已經(jīng)排得滿滿當(dāng)當(dāng)?shù)念A(yù)約增加時(shí)間或負(fù)擔(dān)。
該研究的作者寫道：“這項(xiàng)研究旨在解決一個(gè)不可接受的現(xiàn)實(shí)，即心血管疾病，尤其是心力衰竭，最常在疾病進(jìn)展加速住院后的晚期被發(fā)現(xiàn)?！?/p>
讓這個(gè)系統(tǒng)脫穎而出的是它背后的人工智能是如何訓(xùn)練的。這些模型并不僅僅基于教科書定義。他們已經(jīng)接受了數(shù)千個(gè)真實(shí)患者病例的訓(xùn)練，包括具有復(fù)雜、重疊條件的病例。這有助于聽診器識(shí)別醫(yī)生在快速預(yù)約中可能錯(cuò)過的模式。該系統(tǒng)沒有提供最終診斷，而是突出了可能值得仔細(xì)研究的關(guān)注領(lǐng)域。它就像醫(yī)生的第二對(duì)耳朵，而且已經(jīng)接受了大量心臟數(shù)據(jù)的訓(xùn)練。
TRICORDER研究的早期結(jié)果表明，人工智能聽診器可以重塑一線心臟護(hù)理。在數(shù)百家全科醫(yī)生診所接受測(cè)試的12000多名患者中，使用該工具進(jìn)行檢查的患者被診斷為心力衰竭的可能性是其他患者的兩倍多，瓣膜疾病的可能性是前者的近兩倍，房顫的可能性是后者的3.5倍。
結(jié)果令人印象深刻；然而，研究人員承認(rèn)了一些關(guān)鍵的局限性。由于人工智能聽診器在廣泛的診所中引入，沒有固定的使用頻率規(guī)則，因此采用程度各不相同。一些醫(yī)生經(jīng)常使用它，而另一些則幾乎不使用。這種不一致性使得在工具和診斷之間劃清界限變得更加困難。該團(tuán)隊(duì)沒有收集新的臨床數(shù)據(jù)，而是依靠現(xiàn)有的患者記錄，這有助于擴(kuò)大規(guī)模，但使評(píng)估微妙或復(fù)雜的病例變得更加困難。
人工智能本身也存在局限性。研究人員無法直接衡量算法在邊緣病例或重疊病例中的表現(xiàn)。由于數(shù)據(jù)收集的方式，他們并不總是能看到醫(yī)生是相信人工智能的建議，還是只是忽略了它們。
由于大多數(shù)臨床記錄缺乏詳細(xì)的標(biāo)簽，因此該系統(tǒng)區(qū)分不同類型心力衰竭的能力尚不清楚。這些差距將需要更深入的后續(xù)研究，以了解人工智能工具真正的價(jià)值和仍然存在的不足。
