banner
Центр новостей
Стильный внешний вид

HeartBEiT: Инновационный искусственный интеллект Mount Sinai, декодирующий электрокардиограммы как язык

Mar 16, 2023

Автор: Больница Маунт-Синай / Медицинская школа Маунт-Синай, 6 июня 2023 г.

HeartBEiT гораздо точнее выделяет области интереса, в данном случае для диагностики сердечных приступов (инфаркта миокарда). Фото: Дополненный интеллект в медицине и научная лаборатория Медицинской школы Икан на горе Синай.

Mount Sinai's AI model, HeartBEiT, improves the accuracyHow close the measured value conforms to the correct value." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> точность и детальность диагностики ЭКГ даже при редких состояниях с ограниченными данными. Он интерпретирует ЭКГ как язык и превосходит традиционные CNN, выделяя определенные области ЭКГ, ответственные за сердечные заболевания.

Исследователи Mount Sinai разработали инновационную модель искусственного интеллекта (ИИ) для анализа электрокардиограммы (ЭКГ), которая позволяет интерпретировать ЭКГ как язык. Этот подход может повысить точность и эффективность диагностики, связанной с ЭКГ, особенно при сердечных заболеваниях, при которых доступны ограниченные данные для обучения.

В исследовании, опубликованном в онлайн-выпуске npj Digital Medicine от 6 июня, команда сообщила, что их новая модель глубокого обучения, известная как HeartBEiT, формирует основу, на которой могут быть созданы специализированные диагностические модели. Команда отметила, что в сравнительных тестах модели, созданные с помощью HeartBEiT, превзошли общепринятые методы анализа ЭКГ.

"Our model consistently outperformed convolutional neural networks [CNNs], which are commonly used machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"> алгоритмы машинного обучения для задач компьютерного зрения. Такие CNN часто предварительно обучаются на общедоступных изображениях объектов реального мира», — говорит первый автор Ахил Вайд, доктор медицинских наук, инструктор по управляемой данными и цифровой медицине (D3M) в Медицинской школе Икан на горе Синай. «Потому что HeartBEiT специализируется для ЭКГ он может работать так же хорошо, если не лучше, чем эти методы, используя десятую часть данных. Это делает диагностику на основе ЭКГ значительно более эффективной, особенно для редких заболеваний, которые поражают меньшее количество пациентов и, следовательно, имеют ограниченные данные».

Благодаря их низкой стоимости, неинвазивности и широкой применимости при сердечно-сосудистых заболеваниях, только в Соединенных Штатах ежегодно проводится более 100 миллионов электрокардиограмм. Тем не менее, польза ЭКГ ограничена по объему, поскольку врачи не могут последовательно идентифицировать невооруженным глазом закономерности, характерные для заболевания, особенно для состояний, для которых нет установленных диагностических критериев, или когда такие закономерности могут быть слишком тонкими или хаотичными для интерпретации человеком. Однако сейчас искусственный интеллект производит революцию в науке, и большая часть работ на сегодняшний день сосредоточена на CNN.

Mount Sinai движется в новом смелом направлении, опираясь на интенсивный интерес к так называемым генеративным системам искусственного интеллекта, таким как ChatGPT, которые построены на трансформаторах — моделях глубокого обучения, которые обучаются на огромных наборах текстовых данных для генерации человеческих данных. ответы на подсказки пользователей практически на любую тему. Исследователи используют соответствующую модель генерации изображений для создания дискретных представлений небольших частей ЭКГ, что позволяет анализировать ЭКГ как язык.

«Эти изображения можно рассматривать как отдельные слова, а всю ЭКГ — как единый документ», — объясняет доктор Вайд. «HeartBEiT понимает взаимосвязь между этими представлениями и использует это понимание для более эффективного выполнения последующих диагностических задач. Три задачи, на которых мы тестировали модель: узнать, переживает ли пациент сердечный приступ, есть ли у него генетическое заболевание, называемое гипертрофической кардиомиопатией, и насколько эффективно функционирует их сердце. В каждом случае наша модель работала лучше, чем все остальные протестированные базовые показатели».

Mount Sinai's AI model, HeartBEiT, improves the accuracyHow close the measured value conforms to the correct value." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]"accuracy and detail of ECG diagnoses, even for rare conditions with limited data. It interprets ECGs as language and outperforms traditional CNNs, highlighting specific ECG areas responsible for heart conditions./strong>