开创性的人工智能方法找到了对心脏功能和疾病进行分类的方法

开创性的人工智能方法找到了对心脏功能和疾病进行分类的方法该团队开发出了一种突破性的人工智能应用，可对心脏功能进行分类，并准确识别瓣膜性心脏病，突显了在整合医学科学和技术以改善患者预后方面取得的长足进步。相关研究成果最近发表在《柳叶刀数字健康》（TheLancetDigitalHealth）杂志上。瓣膜性心脏病是心力衰竭的原因之一，通常使用超声心动图进行诊断。然而，这项技术需要专业技能，因此合格的技术人员也相应短缺。同时，胸片检查也是发现疾病（主要是肺部疾病）最常用的检查方法之一。尽管心脏在胸片上也清晰可见，但迄今为止，人们对胸片检测心脏功能或疾病的能力知之甚少。左：胸片右：人工智能判断依据的可视化。图片来源：OMU，上田大寿许多医院都会进行胸部X光检查，而且只需要很少的时间，因此非常容易获得和复制。因此，大阪都立大学医学研究生院诊断和介入放射学系的上田大洲博士领导的研究小组认为，如果能通过胸部X光片确定心脏功能和疾病，那么这项检查就可以作为超声心动图的补充。上田博士的团队成功开发出一种利用人工智能的模型，可以从胸片上准确地对心脏功能和瓣膜性心脏病进行分类。由于在单一数据集上训练的人工智能可能会出现偏差导致准确率较低，因此该团队将目标放在了多机构数据上。因此，在2013年至2021年期间，研究小组从四家机构的16946名患者中收集了与22551张超声心动图相关的共22551张胸部X光片。将胸片作为输入数据，将超声心动图作为输出数据，对人工智能模型进行了训练，以学习连接这两个数据集的特征。人工智能模型能够精确地对六种选定的瓣膜性心脏病类型进行分类，其曲线下面积（AreaUndertheCurve，简称AUC）在0.83到0.92之间。(AUC是表示人工智能模型能力的评级指标，其数值范围为0至1，越接近1越好）。在检测左心室射血分数（监测心脏功能的一项重要指标）的40%临界值时，AUC为0.92。Ueda博士说："我们花了很长时间才取得这些结果，但我相信这是一项意义重大的研究。除了提高医生的诊断效率外，该系统还可用于没有专家的地区、夜间急诊以及难以接受超声心动图检查的患者。"...PC版：https://www.cnbeta.com.tw/articles/soft/1379911.htm手机版：https://m.cnbeta.com.tw/view/1379911.htm

科学家或找到了可诊断早期帕金森病的方法

科学家或找到了可诊断早期帕金森病的方法帕金森病可以通过使用特殊的脑部扫描在其早期阶段被发现。帕金森病是一种使人衰弱的脑部疾病，随着时间的推移而恶化，会影响患者的行走甚至说话的能力。它的诊断非常复杂，并且不可能在早期阶段诊断出。我们大多数人都熟悉一种被称为核磁共振的方法，它经常被用来观察大脑结构。然而它目前只用于排除其他潜在的诊断，因为它不足以敏感到能够显示帕金森病患者大脑中发生的生物变化。耶路撒冷希伯来大学(HU)的研究人员在AvivMezer教授的指导下得出结论，通过修改一种被称为定量MRI(qMRI)的相关方法有可能揭示出帕金森症的细胞变化。通过使用他们的技术，他们能检查纹状体的微观结构--这是一个已知会随着帕金森病的发展而退化的深层大脑区域。通过使用Mezer的博士生EliorDrori开发的一种新分析方法，纹状体细胞组织的生物变化被清楚地揭示出来。此外，他们能证明这些变跟与帕金森病的早期阶段和患者的运动功能障碍有关。他们的研究结果最近发表在著名的《ScienceAdvances》上。qMRI通过使用不同的激发能量拍摄几张MRI图像来实现其敏感性。华盛顿大学的研究人员则能利用他们的qMRI分析来揭示纹状体不同区域内组织结构的变化。这些测量的结构敏感性以前只能在实验室检查病人死后的脑细胞中实现。对于检测早期疾病或监测药物的疗效来说，这并不是一个理想的情况Mezer解说道：“当你没有测量结果时，你不知道什么是正常的、什么是不正常的大脑结构以及在疾病进展过程中什么在变化。”新信息将有助于对该疾病的早期诊断并为监测未来药物疗法的疗效提供“标记”。“我们所发现的，是冰山一角，”Mezer指出。这是一项技术，他们现在将扩展到调查大脑其他区域的微观结构变化。此外，该团队现在正在将qMRI发展成为一种可用于临床的工具。Mezer预计，这约是3-5年后的事情。Drori进一步表示，这种类型的分析将能确定帕金森病患者群体中的亚群--其中一些人对某些药物的反应可能跟其他人不同。最终，他认为这种分析将带来个性化的治疗并使未来的药物发现与每个人接受最合适的药物。PC版：https://www.cnbeta.com/articles/soft/1310193.htm手机版：https://m.cnbeta.com/view/1310193.htm