Shany Biton和Sheina Gendelman是理工學院的兩名碩士生,他們在助理教授、同時也是同校生醫工程學院人工智慧醫學實驗室(AIMLab)負責人Joachim A. Behar的指導下,編寫了一套可精準預測病患在五年內是否會出現心房顫動的機器學習演算法。從概念上來說,研究人員欲找出演算法能否在即便沒有人類心臟專家診斷資訊的情況下,捕捉到可預測心房顫動的模式。
Biton和Gendelman使用了來自40多萬名病患、超過100萬次的十二導程心電圖記錄,來訓練這個要識別出五年後會發生心房顫動患者的深度神經網路,之後將該神經網路、與包括已知風險因子等的病患臨床資訊結合。心電圖和患者電子病歷這兩方面的數據皆由Telehealth Network of Minas Gerais (TNMG)提供,這是受巴西米納斯吉拉斯州(the state of Minas Gerais)853個城鎮中811個城鎮使用的公共遠距醫療系統。研究人員的機器學習模型正確預測了60%的病患其心房顫動發生的風險,特異性也達到95%,意謂的是只有5%的病患受預測有發生心房顫動的潛在風險,但實際上並未發病。