智能手表搭配人工智能可提前30分钟预测房颤

智能手表搭配人工智能可提前30分钟预测房颤心房颤动(房颤)是最常见的心律失常,它大大增加了急诊就诊率以及中风和痴呆等其他疾病的风险。心房颤动是指心脏上腔(心房)与下腔(心室)不同步地混乱跳动,从而产生不规则、通常非常快的心律。要让房颤患者恢复正常的窦性心律,可能需要采取强化干预措施,如心脏复苏术,通过低能量电击来"重置"心脏的传导系统。(是的,这就是医疗节目中使用的设备,伴随着一声"CLEAR!")。因此,如果能在房颤发作前检测到它,就能进行早期干预,从而改善患者的预后。卢森堡大学卢森堡系统生物医学中心(LCSB)的研究人员发表了一项研究,他们训练了一个深度学习模型,可以提前30分钟准确预测一个人何时会出现房颤。目前,心电图(ECG)只能在房颤发生前检测到房颤,因此不能被视为一种预警系统。"相比之下,我们的工作偏离了这种方法,而是采用了一种更具前瞻性的预测模型,"LCSB系统控制小组负责人、该研究的通讯作者豪尔赫-贡卡尔维斯(JorgeGoncalves)说。"我们利用心率数据训练了一个深度学习模型,该模型可以识别不同的阶段--窦性心律、房颤前期和房颤--并计算出患者即将发作的'危险概率'。"该模型名为WARN(WarningofAtrialfibRillatioN),是在中国同济医院收集的350名患者的24小时心电图记录上进行训练和测试的。这些数据被心脏病专家分为窦性心律、房颤前期和房颤。为了训练模型捕捉房颤前兆,研究人员使用了心电图上R波间隔(RRI)的变化作为主要数据源。使用标准心电图的R-R间期(RRI)训练深度学习模型卢森堡大学/LCSB深度学习模型每15秒采集30秒RRI样本,计算即将发生房颤的概率。在测试数据(70名患者)和两个外部验证集(33名患者)上,WARN平均提前31分钟和33分钟预测房颤发生,准确率分别为83%和73%。研究的第一作者马里诺-加维迪亚(MarinoGavidia)说:"我们的模型只使用R-to-R时间间隔,基本上只使用心率数据,就能实现很高的性能。"研究人员预计,该设备将用于智能手机,处理从智能手表获得的数据。长期目标是让患者能够持续监测自己的心律,并及早发出警告,让他们能够使用口服抗心律失常药物等治疗方法来预防房颤的发生。研究人员说,这种技术还可以实现个性化。"今后,我们将重点开发个性化模型,"Goncalves说。"每天使用一个简单的智能手表,就能不断提供有关个人心脏动态的新信息,使我们能够不断完善和重新训练针对该患者的模型,以实现更高的性能和更早的预警。最终,这种方法甚至可以带来新的临床试验和创新的治疗干预。"这项研究发表在《模式》杂志上。...PC版:https://www.cnbeta.com.tw/articles/soft/1428330.htm手机版:https://m.cnbeta.com.tw/view/1428330.htm

相关推荐

封面图片

更多证据表明智能手表可以检测和预测心脏问题

更多证据表明智能手表可以检测和预测心脏问题伦敦大学学院研究人员的一项新研究检查了8.3万名50至70岁的健康人,他们做了15秒的心电图,"与使用智能手表和手机设备进行的那种心电图相当"。研究人员发现,读数显示有额外节拍的人--大约25人中有1人--在未来10年内患心力衰竭或房颤(不规则心律)的风险增加了一倍。"我们的研究表明,来自消费级可穿戴设备的心电图可能有助于检测和预防未来的心脏疾病,"主要作者MicheleOrini博士(UCL心血管科学研究所)说。"下一步是研究如何利用可穿戴设备对人们进行筛查,以便在实践中取得最佳效果。这种筛查有可能与使用人工智能和其他计算机工具相结合,以快速识别表明风险较高的心电图,正如我们在研究中所做的那样,从而对人群的风险进行更准确的评估,并帮助减少这些疾病的负担。"去年,梅奥诊所的研究人员利用人工智能分析通过应用程序上传的AppleWatch心电图读数来识别心脏泵体虚弱的人,即左心室功能紊乱--这种情况影响了约9%的60岁以上的人。2020年,哈佛大学的研究人员发现智能手表生成的心电图在识别和区分不同类型的心脏病发作方面有高达93-95%的准确性。应该注意的是,虽然这些智能手表驱动的心电图测试在许多试验中确实被证明是有用的,但它们并不像在医疗机构使用专门设备进行的心电图那样准确或可靠。但它们用起来非常方便,如果定期使用,可以弹出警报,可能会促使人们去看医生,在那里可以做出正确的诊断,并讨论治疗方法。根据TryonMedical的执业护士HeatherRobinson的说法大约有三分之一的病人是为了响应智能手机的通知而来做检查的,最终被转诊到心脏科。因此,即使没有复杂的人工智能分析,他们也已经在事情变得危急之前为人们提供帮助。不过,犹他大学的研究人员发现,使用生物阻抗感应的智能手机(例如三星GalaxyWatch4)会干扰心脏植入物的操作,如心脏起搏器、心脏再同步装置和心律转复除颤器--因此不建议使用这些植入性电子设备的人使用。最近一些能够读取心电图的智能手表包括AppleWatch(7、8系列和Ultra)、GooglePixelWatch、三星GalaxyWatch4和5、FitbitSense、WithingsScanwatch和Move以及华为WatchGT3Pro。许多人都获得了FDA的批准。UCL的论文发表在《欧洲心脏杂志》上。...PC版:https://www.cnbeta.com.tw/articles/soft/1352873.htm手机版:https://m.cnbeta.com.tw/view/1352873.htm

封面图片

人工智能现可识别5种心衰 用于指导风险预测和治疗

人工智能现可识别5种心衰用于指导风险预测和治疗"心力衰竭"是一个总括性术语,用于描述当心脏不能有效地泵送血液和氧气以满足身体的需要。它可以由影响病情治疗的几个潜在因素引起。心衰的风险因素包括冠状动脉疾病和心脏病发作、糖尿病、高血压、超重和肥胖以及心脏瓣膜的疾病。传统上,不同类型的心力衰竭是根据一个人的左心室射血分数(LVEF)来分类的,即心脏左心室每次收缩时推出的血液量。但2018年瑞典的一项机器学习研究发现,LVEF并不能预测心衰的存活率。现在,伦敦大学学院的研究人员利用四个机器学习模型开发了一个确定心衰亚型的框架,这可能会更好地指导治疗和确定未来风险。研究人员查看了英国30多万名被诊断为心力衰竭的患者的匿名电子健康记录数据,时间跨度达20年。这些数据取自两个代表英国人口的大型初级保健数据集。该研究的主要作者AmitavaBanerjee说:"我们试图改善我们对心力衰竭的分类方法,目的是更好地了解疾病的可能进程,并将其传达给病人。目前,这种疾病如何发展对个别病人来说是难以预测的。有些人的病情会稳定很多年,而有些人则会迅速恶化。"为了避免使用一个机器学习模型可能产生的偏见,研究人员使用了四个模型将心力衰竭病例分成了几组。在使用部分数据进行训练后,这些模型根据可能的635个因素中的87个因素分辨出五个亚型,包括年龄、症状、是否存在其他疾病、病人服用的药物、血压等健康参数以及肾功能等测试结果。这些亚型使用一个单独的数据集进行了验证。这五种亚型是根据具体的特征进行分组的。早发"包括风险因素发生率低的年轻人。晚发'是指年龄较大、女性、处方药少且有心血管疾病的人。房颤相关-一种心脏不规则跳动的情况,或是患有心脏瓣膜疾病的人。"代谢性亚型"包括超重的人,他们的危险因素比率中等,但心血管疾病的比率较低。而"心脏代谢型"包括服用大量处方药的超重人群,他们的风险因素和心血管疾病的比率很高。研究人员发现,不同亚型之间在诊断后一年内的死亡风险是不同的。一年后,心房颤动相关亚组的人全因死亡风险最高(61%),其次是晚发(46%)、心脏代谢(37%)、早发(20%)和代谢(11%)。研究人员说,该研究的发现可用于改善心衰的治疗。Banerjee说:"更好地区分心力衰竭的类型也可能导致更有针对性的治疗,并可能帮助我们以不同的方式思考潜在的治疗方法。"研究人员根据他们的机器学习方法开发了一个应用程序,医生可以用它来确定一个人属于哪个亚型。它可以用来指导病人教育和改善对未来风险的预测。"下一步是看这种心力衰竭的分类方法是否能给病人带来实际的变化--它是否能改善风险预测和临床医生提供的信息质量,以及它是否能改变病人的治疗,"Banerjee说。"我们还需要知道它是否会有成本效益。我们设计的应用程序需要在临床试验或进一步的研究中进行评估,但可以帮助常规护理。"该研究发表在《柳叶刀数字健康》杂志上。...PC版:https://www.cnbeta.com.tw/articles/soft/1362207.htm手机版:https://m.cnbeta.com.tw/view/1362207.htm

封面图片

斯坦福医学研究:智能手表能有效发现儿童隐藏的心脏问题

斯坦福医学研究:智能手表能有效发现儿童隐藏的心脏问题在四年的时间里,患者的医疗记录共提到"AppleWatch"145次。在医疗记录中提到智能手表的患者中,有41人的心律异常得到了传统诊断方法的证实;其中29名儿童的心律失常得到了首次诊断。该研究的资深作者、儿科教授、医学博士ScottCeresnak说:"我很惊讶,我们的标准监测往往不能发现心律失常,而手表却能发现。Ceresnak是一名儿科心脏病专家,在斯坦福大学医学院为病人提供治疗。看到新技术能够真正改变我们对病人的护理方式,这真是太棒了。"这项研究的主要作者是儿科临床讲师艾登-扎赫迪瓦什(AydinZahedivash)医学博士。Ceresnak说,检测到的大多数异常节律都不会危及生命。不过,他补充说,检测到的心律失常会引起令人痛苦的症状,如心跳加速、头晕和昏厥。医生在诊断儿童心律失常或心律异常时面临两个挑战。首先是心脏诊断设备虽然近年来有所改进,但仍然不是儿童的理想选择。十到二十年前,儿童必须在24到48小时内佩戴Holter监测器,该监测器由一个智能手机大小的装置组成,通过导线连接到贴在儿童胸部的五个电极上。现在,患者可以佩戴事件监测器(只需在胸前贴一张贴纸),持续数周。虽然事件监测器比Holter监测器更舒适,佩戴时间也更长,但有时也会提前脱落或引起问题,如粘合剂对皮肤的刺激。第二个挑战是,即使连续监测几周也可能无法捕捉到心脏的不稳定行为,因为儿童的心律失常是不可预测的。孩子们的心律失常发作间隔可能长达数月,这使得医生很难确定发生了什么。案例研究康纳-海因茨(ConnorHeinz)和他的家人在他12岁开始出现心跳加速时面临着两个挑战:粘连式监护仪刺激性太大,而且他每隔几个月才会出现一次心律不齐。Ceresnak认为他知道导致心律不齐的原因,但他希望得到证实。他建议康纳和他的妈妈艾米-海因茨(AmyHeinz)在康纳下一次心跳开始加速时,尝试使用艾米的智能手表记录心律。由于现有的智能手表检测心脏问题的算法尚未针对儿童进行优化,因此使用智能手表测量儿童心律受到了限制。与成年人相比,儿童的心跳更快;与患有心律失常的成年人相比,他们也往往会经历不同类型的异常节律。论文显示,智能手表似乎有助于检测儿童的心律失常,这表明,根据儿童的真实心律数据设计智能手表算法版本将非常有用。评估医疗记录研究人员在患者2018年至2022年的电子医疗记录中搜索了"AppleWatch"这一短语,然后查看记录中含有这一短语的患者提交了智能手表数据并获得了心律失常诊断。来自手表的数据包括有关患者心率的警报和由患者发起的心电图(或称心电图),这些数据来自一个使用手表中电子传感器的应用程序。当患者启动应用程序时,心电图功能会记录心脏的电信号;医生可以利用这种电脉冲模式来诊断不同类型的心脏问题。在患者记录中提到智能手表的145次记录中,有41名患者被确诊为心律失常。其中,18名患者用手表采集了心电图,23名患者收到了手表发出的高心率通知。智能手表提供的信息促使儿童的医生进行医疗检查,29名儿童从中得到了新的心律失常诊断。在10名患者中,智能手表诊断出了传统监测方法从未发现的心律失常。康纳-海因茨就是其中一位患者。"在一次篮球选拔赛上,他又发作了,"艾米-海因茨回忆道。"我给他戴上了手表,并通过电子邮件向Ceresnak博士发送了大量[他的心跳]截图。手表上的信息证实了Ceresnak的猜测,Connor患有室上性心动过速。"大多数患有心律失常的儿童都有和康纳一样的情况,即源自心脏上腔的心跳加速模式。Ceresnak说:"这些不规则的心跳不会危及生命,但会让孩子们感觉很糟糕。它们可能是个问题,也很可怕,如果可穿戴设备能帮助我们弄清这种心律失常是什么,那就超级有帮助了"。在许多室上性心动过速病例中,异常心律是由心脏电路中的小短路引起的。这种问题通常可以通过一种叫做导管消融术的医疗程序来治愈,该程序可以精确地破坏导致短路的心脏细胞的一个小目标区域。现年15岁的康纳已经成功接受了导管消融术治疗,并在加利福尼亚州门洛帕克市的高中球队中打篮球。研究还发现,73名最终未被诊断为心律失常的患者的病历中记录了智能手表的使用情况。Ceresnak说:"很多孩子都有心悸、心跳加速的感觉,但绝大多数并没有明显的心律失常。未来,我认为这项技术可以帮助我们排除任何严重的疾病。"一项新研究斯坦福医学研究团队计划开展一项研究,进一步评估AppleWatch在检测儿童心脏问题方面的实用性。这项研究将测量手表对儿童心率和心律的测量结果是否与标准诊断设备的测量结果相匹配。这项研究只对已经是斯坦福医学院儿童健康中心心脏病患者的儿童开放。Ceresnak说:"可穿戴设备市场正在爆炸式增长,我们的孩子也会使用它们。我们希望确保从这些设备中获得的数据对儿童来说是可靠和准确的。下一步,我们希望能帮助开发儿科专用的心律监测算法。"这项研究是在没有外部资助的情况下进行的。苹果公司没有参与这项工作。苹果公司的研究人员支持计划已同意为下一阶段的研究捐赠手表。苹果公司的"心律不齐通知"和"心电图"应用程序已获得美国食品药品管理局批准,可供22岁或以上人群使用。高心率通知仅适用于13岁或以上的用户。编译来源:ScitechDaily...PC版:https://www.cnbeta.com.tw/articles/soft/1404407.htm手机版:https://m.cnbeta.com.tw/view/1404407.htm

封面图片

新Apple Watch研究正在努力减少房颤患者的血液稀释剂使用量

新AppleWatch研究正在努力减少房颤患者的血液稀释剂使用量AppleWatch正在被用作一项研究的一部分以确定是否有可能减少用于预防中风和心房颤动的昂贵血液稀释剂的使用。这项为期七年的研究从美国心肺和血液研究所获得了3700万美元的资金,旨在解决血液稀释剂的使用问题,这是一种通常用于预防心房颤动(AFib)的药物。据认为,美国有250万至500万人受到心房颤动的影响,而这有可能导致中风、心脏衰竭和死亡。血液稀释剂是常用的治疗方法,但它可能导致包括危险出血在内的问题。持续使用血液稀释剂本身就有健康风险且价格昂贵,所以减少使用血液稀释剂可以帮助减少患者的费用,同时也能挽救生命美国心脏协会和西北医学会合作开展的一项为期七年的研究将尝试使用AppleWatch,其通过监测患者的心脏做到这一点。AppleWatch有一个心电图和一些跟心脏有关的通知,包括检测不规则的心律,该研究计划使用这些通知。据称,节律评估心房颤动(RhythmEvaluationforAniCoagulaTion,简称REACT-AF)试验将对有心房颤动病史的患者的现有护理标准跟第二组进行比较,第二组将使用有时间限制的抗凝剂,将在一个短暂的时间内提供。这第二组将使用AppleWatch和配套的iPhone应用来管理治疗和监测进展。作为研究的一部分,苹果将捐赠硬件并帮助开发该研究将使用的应用。据StatNews报道,这将包括一个定制的算法,该算法将以高于正常的频率检查心律。根据该试验,如果AppleWatch检测到持续数小时的心房颤动,它将告诉患者服用血液稀释剂并继续这样做,直到中风的最高风险过去。这一过程将完全自动化且没有医生干预。西北大学心律失常研究中心主任RodS.Passman指出:“对于我们许多主要照顾病人的医生来说,我们看到一些治疗建议的不足之处。据悉,Passman看到血液稀释剂帮助了许多病人,但其他人却没有受益并最终暴露在危险之中。他继续补充道:“在高风险时期针对个人的概念是从这一经验中产生的。”苹果健康副总裁SumbulDesai博士在一份声明中说道:“心脏健康一直是AppleWatch的核心重点,我们很高兴通过REACT-AF研究,探索AppleWatch中强大的传感器帮助患者更好地管理房颤治疗的另一个机会。”如果成功的话,这项试验可能对苹果极为有利,因为苹果已经多次宣传其可穿戴设备的心脏相关功能。它的功能也被认为拯救了无数的生命,另外还被用于其他一些健康研究。此前,AppleWatch曾被用作跟斯坦福大学医学院合作的苹果心脏研究的一部分,尽管该研究被用来普遍分析该技术的使用而不是具体的医疗使用案例。强生和苹果的另一项Heartline研究也在研究心电图和不规则心律通知及是否可以降低中风的风险。PC版:https://www.cnbeta.com/articles/soft/1310103.htm手机版:https://m.cnbeta.com/view/1310103.htm

封面图片

研究人员发现一种更有效的治疗常见心脏疾病的方法

研究人员发现一种更有效的治疗常见心脏疾病的方法最近发表在《新英格兰医学杂志》上的这项研究表明,与标准的第一步治疗--抗心律失常药物相比,使用冷冻球囊导管消融术(cryoablation)进行早期干预,能更有效地降低对健康产生重大长期影响的风险。UBC大学医学副教授、温哥华综合医院心律服务部主任JasonAndrade博士说:"通过从一开始就用冷冻消融术治疗病人,我们看到更少的人发展成持续的、对生命威胁更大的房颤形式。在短期内,这可能意味着减少心律失常的复发,改善生活质量,以及减少去医院的次数。从长远来看,这可以转化为减少中风和其他严重心脏问题的风险"。冷冻消融是一种微创手术,包括将一根小管子引导到心脏,用低温杀死有问题的组织。从历史上看,该程序只被用作对服用抗心律失常药物后没有反应的人的辅助治疗。Andrade博士说:"这项研究增加了越来越多的证据,即在适当的病人中,用低温消融进行早期干预可能是一种更有效的初始疗法。"早期干预可阻止疾病的发展超过一百万加拿大人或大约3%的人口,受到房颤的影响。虽然这种情况开始时是一种孤立的电紊乱,但随后的每次发病都可能导致心脏的电和结构变化,从而导致被称为持续性房颤(发作持续七天以上)的长期事件。心房颤动就像一个雪球在山上滚动。随着每次心房颤动的发作,心脏都会发生渐进性变化,心律问题会越来越严重。源自一项多地点临床试验的新发现表明,冷冻消融术可以阻止这种雪球效应。在该试验中,泛加拿大研究小组在加拿大18个地点招募了303名房颤患者。一半患者被随机选择接受抗心律失常药物治疗,而另一半患者则接受冷冻消融治疗。所有患者都接受了一个植入式监测装置,在整个研究期间记录他们的心脏活动。三年后,研究人员发现,与接受抗心律失常药物治疗的患者相比,冷冻消融组的患者不太可能发展为持续性房颤。在随访期间,冷冻消融患者的住院率也较低,而且导致死亡、功能障碍或长期住院的严重不良健康事件较少。解决根本原因由于冷冻消融术针对并破坏了引发和延续房颤的细胞,研究人员说它可以带来更持久的益处。Andrade博士说:"通过冷冻消融,我们正在治疗病情的原因,而不是用药物来掩盖症状。如果我们从低温消融开始,我们可能能够在心房颤动的早期修复。"这项新研究建立在以前的一篇论文基础上,在该论文中,Andrade博士和他的团队证明,在减少心房颤动的短期复发方面,冷冻消融比抗心律失常药物更有效。研究人员说,更有效的早期干预措施将使患者以及卫生保健系统受益。目前,与提供房颤相关的护理有关的费用估计占整个年度医疗支出的2.5%。这些费用预计将在未来20年内上升到4%。"证据越来越多地表明,现在是重新思考我们如何对待心房颤动的时候了。通过有效的早期干预,我们可以让人们健康、快乐地生活,并远离医院,这对病人和他们的家庭,还有我们的整个卫生系统都将是巨大的好处"。...PC版:https://www.cnbeta.com.tw/articles/soft/1335711.htm手机版:https://m.cnbeta.com.tw/view/1335711.htm

封面图片

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃

人工智能对人工智能生成的内容进行训练将导致人工智能崩溃用于训练大型语言模型的数据最初来自人类来源,如书籍、文章、照片等,这些都是在没有人工智能的帮助下创建的。但随着越来越多的人使用人工智能来制作和发布内容,一个明显的问题出现了:当人工智能生成的内容在互联网上扩散时,人工智能模型开始对其进行训练。研究人员发现,“在训练中使用模型生成的内容会导致所产生的模型出现不可逆转的缺陷。”他们研究了文本到文本和图像到图像的人工智能生成模型的概率分布,得出结论:“从其他模型产生的数据中学习会导致模型崩溃——这是一个退化的过程,并且随着时间的推移,模型会忘记真正的基础数据分布。”他们观察到模型崩溃发生得如此之快:模型可以迅速忘记它们最初学习的大部分原始数据。这导致它们随着时间的推移,表现越来越差,错误越来越多。来源,来自:雷锋频道:@kejiqu群组:@kejiquchat投稿:@kejiqubot

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人