导航菜单

可解释的人工智能有助于解决棘手的心脏病病例

一个由生物医学工程师和计算机科学家组成的团队通过筛选现实世界中阻碍临床人工智能在医学中采用的挑战的文献,确定并充实了一个示例性用例。

这是可解释的基于人工智能的心电图分析。

海法以色列理工学院的资深作者 Yael Yaniv 博士和他的同事们将这一应用确定为临床人工智能在心脏病学乃至其他领域具有巨大潜力的应用。

在完成研究的过程中,作者展示了基于 AI 的心电图分析既是心脏病学特定的工具包,也是适用于其他专业的方法。

他们通过挑战他们的模型来承担并完成两项艰巨的任务来做到这一点:

检测各种不同类型的心律失常,包括未知的心律失常,以及

确定从间歇性心律失常患者获得的心电图读数明显健康的部分的核心心脏问题。

研究人员在《美国国家科学院院刊》上展示了他们的发现,并描述了他们的工作,以验证他们在模拟心律失常筛查上的方法,代表了一个多样化且人口众多的案例。

在验证阶段,Yaniv 和团队发现他们的系统:

1.可视化一个 ECG 段的每个部分对于最终模型决策的相对重要性;

2.坚持对其样本外性能的特定统计约束,并为其预测提供不确定性估计;

3.处理包含未知节奏类型的输入;和

4.处理来自未见过患者的数据,同时也标记模型输出对特定患者不可用的情况。

“我们的结果表明,深度学习系统可以健壮、值得信赖、可解释和透明,同时保持这些算法众所周知的卓越性能水平,”Yaniv 和合著者写道。

更重要的是,他们表示,这项工作代表“朝着克服目前阻碍将人工智能整合到心脏病学和医学临床实践中的局限性迈出的重要一步。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。