壹生大学

壹生身份认证协议书

本项目是由壹生提供的专业性学术分享,仅面向医疗卫生专业人士。我们将收集您是否是医疗卫生专业人士的信息,仅用于资格认证,不会用于其他用途。壹生作为平台及平台数据的运营者和负责方,负责平台和本专区及用户相关信息搜集和使用的合规和保护。
本协议书仅为了向您说明个人相关信息处理目的,向您单独征求的同意,您已签署的壹生平台《壹生用户服务协议》和《壹生隐私政策》,详见链接:
壹生用户服务协议:
https://apps.medtrib.cn/html/serviceAgreement.html
壹生隐私政策:
https://apps.medtrib.cn/html/p.html
如果您是医疗卫生专业人士,且点击了“同意”,表明您作为壹生的注册用户已授权壹生平台收集您是否是医疗卫生专业人士的信息,可以使用本项服务。
如果您不是医疗卫生专业人士或不同意本说明,请勿点击“同意”,因为本项服务仅面向医疗卫生人士,以及专业性、合规性要求等因素,您将无法使用本项服务。

同意

拒绝

同意

拒绝

知情同意书

同意

不同意并跳过

工作人员正在审核中,
请您耐心等待
审核未通过
重新提交
完善信息
{{ item.question }}
确定
收集问题
{{ item.question }}
确定
您已通过HCP身份认证和信息审核
(
5
s)

AI捕捉到可能预示未来心脏骤停的心电图模式 | 西达赛奈医学中心访学记

2024-03-25作者:论坛报木易资讯
原创

北京清华长庚医院心血管中心薛亚军医师目前在美国洛杉矶的西达赛奈医院(Cedars-Sinai Medical Center)心血管中心学习。Cedars-Sinai Medical Center在2022—2023年度美国“最佳医院荣誉榜”(Best Hospitals Honor Roll)排名中,名列全美第二,加州第一,这也是美国西部最大医学中心,一直被《美国新闻与世界报道》评为全美最好的医院。在此,薛亚军医师将带来心血管中心在心脏病领域域最新研究进展,敬请关注。

医学中心(1).jpg

西达赛奈医学中心(作者 摄)



Cedars-Sinai研究人员的近期的两项新研究支持使用人工智能(AI)来预测心脏骤停——这一致命的事件。众所周知,90%发生心脏骤停的患者会在几分钟内导致死亡。



“心脏骤停是一种致命的疾病,如何预防将是最重要的方法,我们需要找到新的临床工具来实现这一目标,”Cedars Sniai医学人工智能部门主任Sumeet Chugh这么说,他是这两项研究的资深作者,同时也是Pauline和Harold Price心脏电生理学研究的主席和Smidt心脏研究所的副主任。“使用AI算法来提高对心脏骤停的预测可以帮助医生识别哪些患者可能面临这种毁灭性疾病更高的风险。”



据美国疾病控制与预防中心报道,美国每年有超过35万人发生院外心脏骤停。由此可以预测中国发生院外心脏骤停的数字一定是惊人的。心脏骤停往往因为心脏电活动的变化导致其突然停止跳动。有心脏病史的人群更容易发生心脏骤停,但也可能发生在没有心脏病的人群中。 



《通讯医学》(Communications Medicine)杂志上发表的一项研究中, Sumeet Chugh与Cedars-Sinai心脏病学和医学助理教授David Ouyang 医学博士及其他研究人员一起训练了一种深度学习算法来研究心电图(ECG)中可能预示未来心脏骤停的心电图模式



该模型研究了经历过心脏骤停的人和没有经历过心脏骤停的人的心电图。该试验纳入了1796名经历心脏骤停的人的1827份心脏骤停前心电图和1325名没有经历过心脏骤停的人的1342心电图

 研究简介.png


研究人员发现,Cedars-Sinai开发的人工智能模型比更传统的心电图风险评分(这是医生结合心电图读数信息来计算一个人心脏骤停风险的方法),能更准确地预测哪些人会经历院外心脏骤停

图片4.png



Chugh表示:“整个数字心电图信号的表现明显好于它的几个组成部分,我们计划继续研究这种人工智能方法,了解如何将其用于临床。”

图片5.png

图片6.png

NEXT

发表在《循环:心律失常和电生理学》(Circulation: Arrhythmia and Electrophysiology杂志上的另一项研究中,Chugh与Cedars-Sinai影像创新主任、医学人工智能部门、Smidt心脏研究所的科学家Piotr Slomka一起训练了一个人工智能模型来区分心脏骤停的两种根本原因:无脉性电活动和心室颤动

图片7.png

无脉电活动意味着心脏的电信号太弱而无法产生心跳。它不能用除颤器治疗,并且常常导致死亡。心室颤动则是一种不规则的心跳,可能导致心脏停止跳动,除颤器的电击可能会再次恢复心脏跳动。



在人工智能模型审查心电图读数模式以及患者特征后,研究人员能够确定这两种类型的心脏骤停的危险因素。例如,出现无脉电活动、心脏骤停的人更有可能年龄较大、体重超标、患有贫血或出现呼吸短促的警告症状。患有心室颤动的人则可能更年轻、曾患有冠状动脉疾病或经历过胸痛等预警信号。





“我们有办法通过像除颤器这样的技术来预防心脏骤停,面临的挑战是知道谁最有可能从这种干预中获益,”Lauri Holmstrom医学博士说,他是ceddar - sinai的访问博士后科学家,也是这两项研究的第一作者。“这些发现可以帮助心脏科医生识别哪些患者可能发生无脉性电活动心脏骤停或心室颤动心脏骤停,并帮助他们预防这些事件的发生。”


两项研究中使用的AI模型训练、测试和验证工作,使用的数据来自Chugh创建和领导的两项正在进行的心脏骤停研究:俄勒冈意外猝死研究(Oregon sudden Unexpected Death Study)和多种族社区凡吐拉市猝死预测研究(Ventura Prediction of sudden Death in Multi-Ethnic Communities, PRESTO)。 



“这些研究证明了人工智能在检测人体心电模式方面的潜力,而人眼和标准医学测试无法做到这一点,”Cedars-sina医学院系主任Paul Noble博土说,“我们越来越接近能够使用人工智能来预防心脏骤停等危险事件。”


(Both studies were funded, in part, by the National Heart,Lung, and Blood Institute)



image.png

作者:薛亚军医生

薛亚军医师

工作于北京清华长庚医院心血管中心,主任医师,清华大学临床医学院教授,研究生导师,心血管内科副主任,医学博士

图片1.jpg

擅长冠心病、结构性心脏病、高血压的介入治疗,以及心律失常、心力衰竭和高脂血症的诊断与治疗。

科研重点在冠状动脉微循环机制研究、心脏瓣膜病智能诊疗辅助系统研发等,发表学术论文30余篇,先后承担国家“十一五”科技支撑计划课题、北京市自然科学基金、清华大学国家重点实验室开放课题、清华大学-丰田联合研究院跨学科专项课题、北京市属医院科研培育计划等科研项目10余项,北京市卫生健康委高层次公共卫生技术骨干人才,曾获得清华大学优秀博士论文奖,中华医学会心血管病学分会(CSC)“临床技术创新奖”,国家级发明专利3项。

担任中华医学会心血管病学分会信息化学组委员及秘书,中国老年保健医学研究会数智健康分会秘书长,北京医学会心血管病学分会第十届委员会冠心病专业组副组长,北京市昌平区心血管介入质量控制和改进中心副主任委员,白求恩精神研究会介入医学分会第一届理事会常务理事,中国老年医学学会数字诊疗分会常务委员,AACNAP、AVVC、EACVI、HFA等国际学术委员会会员,Cardiovascular Innovations and Applications、The International Journal of Medical Robotics and Computer Assisted Surgery等杂志编委和审稿人




200 评论

查看更多