智慧医疗IBM先进AI技术预测心脏衰竭

现阶段全球医学界对心脏衰竭的预测技术仍有限，许多心脏衰竭病患都是等到生重病住院后，才导致心脏衰竭症状出现或并发，但往往等到这个时候再进行救治已来不及，有监于心脏衰竭目前仍难以进行早期检测，因此目前美国已有研究团队正在试验透过人工智能(AI)及科学技术，希望能提早1年以上就可准确预测出人类是否患有心脏衰竭风险。

根据IBM指出，该研究团队由一组IBMResearch科学家团队，与美国北加州SutterHealth医疗中心科学家以及美国盖辛格医疗健康集团(GeisingerHealthSystem)一批临床专家共同组成，在获得美国「国立卫生研究院」(NationalInstitutesofHealth)资助下，研究团队目前正基于美国「电子健康记录」(ElectronicHealthRecord；EHR)中隐藏的患者资料线索，进行心脏衰竭病因研究与预测。

研究团队过去3年采用例如自然语言处理、机器学习以及巨量资料分析等最先进AI技术来训练模型，藉此模型希望可较现行心脏衰竭一般诊断技术，提前1~2年就可先预测病患是否真的患有心脏衰竭疾病。

现行心脏衰竭预测方式，多半仅由医生将患者心脏衰竭可能发生的症状记录在病历中，以及安排心脏衰竭诊断测试。尽管如此，但目前患者多半在急重症病发且住院、该急重症更导致器官逐步受损后，才会被诊断出患有心脏衰竭疾病，但往往此时才发现已太晚，因此IBM研究团队正在研究是否能运用美国EHR系统内的患者记录资料，协助提早几年就可先诊断出患者是否具心脏衰竭风险性。

因此，研究团队开发及运用几项认知运算及AI技术，针对支持研究团队研究目标的自然语言处理及机器学习方法研究专案，就患者EHR资料进行分析，其中一项研究专案希望可了解「Framingham心脏衰竭征象及症状」(FHFSS)用于早期检测的有效性。FHFSS通常是临床医生用来诊断心脏衰竭的传统风险因素。

研究团队以AI自然语言处理技术，透过解析Framingham风险标准或其它类型症状等信息及确认概念，从非结构化的资料中采掘信息。在28个原始FHFSS征象及症状中，仅有6个是确定未来呈现心脏衰竭的可靠预测因子。

第二项研究目标则是透过将医生记录的非结构化资料与结构化电子病历资料相结合，以确定能否更准确预测心脏衰竭，研究团队则以机器学习技术建构预测模型，结果发现与FHFSS共同使用时，EHR中的其它资料类型如疾病诊断、药物治疗处方等，对预测心脏衰竭起更有效的预测作用。

值得注意的是，这项研究也让研究团队更深入了解到如何衡量部分资料类型及其实际用处之间，在协助预测个人心脏衰竭发生可能性的差异，例如当采用更多不同资料类型时，预测模型的效能可获得改善，其中诊断、服用药物顺序及住院资料的结合，分别为最重要的信息，最终让研究团队开发出效能及实用性均高的预测模型。

未来IBMResearch、SutterHealth医疗中心及美国盖辛格医疗健康集团科学家及专家们将会持续合作，进一步推进当前的研究成果，且这项研究不只可用于心脏衰竭预测，也有应用至其它疾病及早预测的潜在可能性。

北京看白癜风上那个医院
北京看白癜风的费用