麻省理工：使用机器学习预估心血管死亡的风险

2019年09月17日由 TGS 发表 167374 0

人类天生厌恶风险:我们每天都在计算路线和例行公事，采取预防措施来避免疾病、危险或意外，但即便如此，我们也依然难以控制生物体的内部活动。——Rachel Gordon | MIT CSAIL

为此，MIT CSAIL的一个团队提出了一种新的系统，一种能通过心脏的电活动估计心血管疾病患者死亡风险的机器学习模型，它可以帮助人们更好地预测健康结果。该系统被命名为“RiskCardio”，主要针对急性冠状动脉综合症(ACS)的幸存者——ACS指的是一系列心脏供血减少或堵塞的情况。RiskCardio仅使用患者原始心电图(ECG)信号的前15分钟，就能生成一个评分，将患者分为不同的风险类别。

RiskCardio会将患者定为八个分位，位于前四分位的患者属于高危患者，死于心血管疾病的可能性，是位于后四分位的低风险人群的七倍左右。相比之下，根据现有最常见的风险指标确定为高危的患者发生风险的可能性，仅为低风险患者的三倍。

研究小组通过对一组患者进行风险评分来测试RiskCardio。他们测量了与一组低风险患者相比，高风险患者死于心血管疾病的可能性有多大的问题。他们发现，在大约1250名acs患者中，有28人将在一年内死于心血管疾病，而这28名患者中，有19人被RiskCardio划分为了高危，这是一个非常亮眼的比例。

以前的机器学习模型试图通过利用患者外部信息(比如：年龄或体重)，或者利用特定于系统的知识和专长来帮助其模型选择不同的特征，从而控制风险。但RiskCardio不同，它仅使用患者的原始心电图信号，此外，不需要任何其他附加信息。

RiskCardio团队对未来的设想是数据集更具包容性，以考虑不同年龄、种族和性别。他们还计划检查存在大量没标记好或根本未标记数据的医疗场景，然后用系统处理这些信息并进行评估，以便未来可以解释更模糊的情况。

机器学习在识别模式方面尤其擅长，这与评估患者的风险密切相关，而风险评分则对了解患者状态很有用，这对做出有效的护理决策非常有价值。——麻省理工的Shanmugam博士。

标签：

机器学习机器学习人工智能医疗

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇人工智能胶囊系统实现最先进的图像分类结果

下一篇 Supp AI使用机器学习来识别补充交互

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

Sam Altman离职事件时间线