以色列理工學院學者運用人工智慧進行心房顫動風險預測

假如有部電腦告訴你，你會在五年後出現心臟方面的徵兆，這會帶來怎樣的轉變？你將有時間改變生活方式，這或許可減輕抑或避免病情發生。以色列理工學院的研究團隊運用電腦來做到這點。

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。

心房顫動是一種異常心律，雖不會立即危及生命，但會明顯增加患者中風和死亡的風險。事先警告病人他們有發生心房顫動的風險，可為病患爭取時間來改變他們的生活方式，來避免或推遲病症的發生。與此同時，這樣的預測也能鼓勵患者定期在心臟科進行追蹤，一旦出現症狀便可迅速發現、並毫無拖延地展開治療。已知的心房顫動風險因子，包括久坐的生活方式、肥胖、抽菸、以及遺傳等。
 

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。

Behar教授表示此研究並非要取代人類醫生，「我們不認為這是可取的，然而我們希望將更好的決策輔助工具交到醫生手中，電腦在處理某些形式的數據有更好的表現。人類心臟專家現今在檢視心電圖時，憑藉的是找出那些已知與某些疾病相關的特定特徵。我們的模型可自行尋找和辨識模式，包括那些可能不被人眼辨識的模式。」

醫生已從徒手測量病人的脈搏、使用聽診器、一路演進到心電圖。透過機器學習來協助心電圖的分析很可能會是心臟學科發展的下一步。

由於心電圖已是成本低的常規檢驗，機器學習的模型可輕易地被納入臨床實踐，為大眾提供更好的醫療管理。該演算法也會在獲得更多病患數據後成為越來越準確的風險預測工具。除此之外，同模型也可調整去預測其他的心血管疾病。

除了以色列的研究員之外，瑞典烏普薩拉大學的Antônio Ribeiro和巴西米納斯吉拉斯聯邦大學（UFMG）的Gabriela Miana、Carla Moreira、Antonio Luiz Ribeiro也共同參與了此研究。研究結果已發表在歐洲心臟學會的數位期刊（EHJ-DH）上。

本文文字資料來自國科會駐以色列代表處科技組>科技簡訊>科技新知，網頁連結網址：

https://www.nstc.gov.tw/israel/ch/detail/c1b2d0b3-5d0a-4ca4-9152-a26d9346ccad