人工智能可以改善心脏病发作诊断 减轻急诊科的压力

根据爱丁堡大学发表在《自然医学》上的一项新研究，医生很快就会使用一种使用人工智能开发的算法以比以往任何时候都更快的速度和准确性来诊断心脏病发作。

该算法名为CoDE-ACS，在全球六个国家的10，286名患者中进行了测试。研究人员发现，与目前的测试方法相比，CoDE-ACS能够排除超过两倍的患者心脏病发作，准确率为99.6%。

这种比以往任何时候都更快地排除心脏病发作的能力可以大大减少住院人数。在Wellcome Leap的支持下，目前正在苏格兰进行临床试验，以评估该工具是否可以帮助医生减轻我们过度拥挤的急诊室的压力。

除了快速排除患者的心脏病发作外，CoDE-ACS还可以帮助医生识别肌钙蛋白水平异常是由于心脏病发作而不是其他疾病引起的患者。无论年龄、性别或预先存在的健康状况如何，人工智能工具都表现良好，显示出其减少误诊和人口不平等的潜力。

CoDE-ACS有可能通过快速识别可以安全回家的患者，并向医生强调所有需要留在医院进行进一步检查的患者，使紧急护理更加高效和有效。

目前诊断心脏病发作的黄金标准是测量血液中肌钙蛋白的水平。但每个患者都使用相同的阈值。这意味着没有考虑影响肌钙蛋白水平的年龄，性别和其他健康问题等因素，从而影响心脏病发作诊断的准确性。

这可能导致诊断中的不平等。例如，之前的B d研究表明，女性获得错误的初步诊断的可能性要高出50%。最初被误诊的人在70天后死亡的风险要高出30%。新算法是防止这种情况发生的机会。

CoDE-ACS是使用来自苏格兰10，038名疑似心脏病发作的患者的数据开发的。它使用常规收集的患者信息，如年龄，性别，心电图结果和病史，以及肌钙蛋白水平，来预测一个人心脏病发作的可能性。结果是每个患者的概率分数从 0 到 100。

领导这项研究的爱丁堡大学心血管科学中心BHF心脏病学教授Nicholas Mills教授说：“对于因心脏病发作而急性胸痛的患者，早期诊断和治疗可以挽救生命。不幸的是，许多情况会导致这些常见症状，诊断并不总是直截了当的。利用数据和人工智能来支持临床决策具有巨大的潜力，可以改善患者护理和繁忙急诊科的效率。

英国心脏基金会医学主任Nilesh Samani教授说：“胸痛是人们到急诊科就诊的最常见原因之一。每天，世界各地的医生都面临着将心脏病发作引起的疼痛患者与因不太严重疼痛的患者分开的挑战。

“使用尖端数据科学和人工智能开发的CoDE-ACS有可能比目前的方法更准确地排除或排除心脏病发作。对于急诊科来说，这可能是变革性的，缩短诊断所需的时间，对患者来说要好得多。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！