PLOS Digital Health | AI通过电子病历检测心血管疾病风险
原创 图灵基因 图灵基因 2022-02-07 07:03
收录于话题#前沿生物大数据分析
心血管疾病是通过一系列实验室测试和影像学研究来诊断的。诊断的主要部分是患者的病史和家族史、风险因素、体格检查，以及这些发现与测试和程序结果的协调。犹他大学(U of U) Health的研究人员首次证明，人工智能(AI)可以帮助预测心血管疾病的发病和病程。
他们的研究结果发表在《PLOS Digital Health》杂志上的一篇题为“An explainable artificial intelligence approach for predicting cardiovascular outcomes using electronic health records”的论文中。研究人员与Intermountain Primary Children’s Hospital的医生合作。
研究人员写道：“了解驱动心血管健康结果的条件依赖性临床变量是精准医学的一项重大挑战。在这里，我们部署了一种最近开发的可大规模扩展的合并症发现方法，称为Poisson binomial basedcomorbidity discovery (PBC),以分析犹他大学和Intermountain Primary儿童医院的电子健康记录（HER）（超过160万患者和7700万次访问），用于共病诊断、程序和药物治疗。”
“我们可以求助于人工智能来帮助改善几乎所有医疗诊断的风险。”该研究的通讯作者、U of U Health和Intermountain Primary Children's Hospital的儿科心脏病专家、Nora Eccles Harrison心血管研究和培训学院的科学家、医学博士Martin Tristani-Firouzi说，“癌症风险、甲状腺手术风险、糖尿病风险——任何你能想象到的医学术语。”
来自U of U Health和Intermountain PrimaryChildren’s Hospital的研究人员在删除姓名和其他识别信息后，使用机器学习软件对超过160万份EHR进行了分类。
这些电子记录帮助研究人员确定最有可能加重心血管疾病等特定疾病的合并症。他们使用一种称为概率图形网络（PGM）的AI形式来计算这些合并症的任何组合如何影响与心脏移植、先天性心脏病或窦房结功能障碍相关的风险。
研究人员观察到，那些之前被诊断为心肌病的人需要心脏移植的风险比那些没有被诊断为心肌病的人高86倍。那些患有病毒性心肌炎的人需要心脏移植的风险高出大约60倍。
研究人员写道：“我们的结果说明了多发病网络如何为理解诊断、药物和医疗程序对心血管健康结果的联合影响提供可解释的解决方案。我们强调，这里报告的必要简短结果几乎不会耗尽这些机器的内容。”
研究人员相信，他们的发现最终将引领个性化预防医学的新时代。医生会主动联系患者，提醒他们注意潜在的疾病以及可以采取哪些措施来缓解问题。
