|
作 者：季偉敏，唐士敏，何俊德，等 第一作者單位：南京醫(yī)科大學(xué)附屬蘇州科技城醫(yī)院 基金項目： 蘇州高新區(qū)醫(yī)療衛(wèi)生科技計劃項目（2018Z005）；2019年蘇州市科技發(fā)展計劃項目（SYSD2019074） 摘 要 根據(jù)《中國心血管病風(fēng)險評估和管理指南》及《中國體檢人群心血管病危險因素篩查與管理專家共識》等指導(dǎo)性文件，從心血管病危險因素的篩查與評估分層，心血管病低危、中危、高危人群早期篩查和普通人群自我篩查等幾方面入手，對心血管病早期篩查人工智能技術(shù)應(yīng)用的現(xiàn)狀及展望進(jìn)行綜述。 關(guān)鍵詞 人工智能；心血管??；早期篩查 引用格式：季偉敏, 唐士敏, 何俊德, 等. 心血管病早期篩查的人工智能技術(shù)應(yīng)用[J]. 實用心電學(xué)雜志, 2021, 30(2)：89-92,103.  中國心血管病患病率及死亡率仍處于上升階段，截至2018年，推算心血管病患病人數(shù)2.9億，其中腦卒中1 300萬，冠心病1 100萬，肺源性心臟病500萬，心力衰竭450萬，風(fēng)濕性心臟病250萬，先天性心臟病200萬，高血壓2.45億，且心血管病死亡率居首位。以心肌梗死為代表的缺血性心臟病，更是成為全球疾病致死的首要原因。心血管病發(fā)病因素多、病程長、干擾因素多、發(fā)病機(jī)制復(fù)雜，難以精確構(gòu)建傳統(tǒng)的數(shù)學(xué)模型。人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，也是在計算機(jī)科學(xué)、心理學(xué)、語言學(xué)、統(tǒng)計學(xué)、哲學(xué)等多個學(xué)科研究基礎(chǔ)上發(fā)展而來的綜合性學(xué)科，是21世紀(jì)三大尖端科技之一。人工智能方法可利用各種模糊邏輯理論的分類及回歸算法、人工神經(jīng)網(wǎng)絡(luò)算法、機(jī)器學(xué)習(xí)算法等技術(shù)手段，根據(jù)輸入的經(jīng)驗和信息，以及構(gòu)建概念，完成那些對人類來說容易執(zhí)行但難以形式化描述的任務(wù)，解決“無師自通”的辨識問題。 1 ● 危險因素篩查與評估分層的人工智能技術(shù)應(yīng)用 1.1 危險因素篩查與評估分層內(nèi)容 1.2 評估分層的人工智能技術(shù)應(yīng)用 2016年逄凱等使用人工智能機(jī)器學(xué)習(xí)的隨機(jī)森林算法，提出了僅包含年齡、性別、職業(yè)、平均睡眠時間和體格檢查指標(biāo)等變量的冠心病篩查模型（敏感性80.75%，特異性63.45%）。該模型能夠在保證精度的前提下減少所需輸入信息，顯著提高疾病篩查的時效性和模型的易用性，顯示出人工智能方法應(yīng)用于冠心病早期篩查及評估的潛力。此外，從樣本數(shù)據(jù)的變量重要性排序中，還可以獲得疾病影響因素排序，有助于指導(dǎo)心血管疾病的日常監(jiān)督和管理。 2 ● 體檢篩查的人工智能技術(shù)應(yīng)用 2.1 體檢篩查的分層方法 2.2 低危人群早期篩查的人工智能技術(shù)應(yīng)用 除了常規(guī)體檢項目外，低危及以下體檢篩查人群的常規(guī)必查項目主要包括頸動脈超聲檢查，脈搏波傳導(dǎo)速度、踝臂指數(shù)檢查。2019年肖月桐等利用基于深度神經(jīng)網(wǎng)絡(luò)的人工智能技術(shù)方法，研究心電圖自動分類診斷技術(shù)，通過直接對預(yù)處理后的心電信號進(jìn)行神經(jīng)網(wǎng)絡(luò)圖形識別學(xué)習(xí)訓(xùn)練，逐層提取心電圖特征，最終擬合出心電圖自動分類模型；再利用訓(xùn)練好的分類模型對臨床心電圖進(jìn)行分類診斷測試，取得了良好的效果。該研究中運用的人工智能技術(shù)主要是針對心電圖圖像進(jìn)行圖形特征識別，在深度學(xué)習(xí)訓(xùn)練中則采用監(jiān)督學(xué)習(xí)的方法。 2.3 中危人群體檢篩查的人工智能技術(shù)應(yīng)用 2.3.1 中危人群體檢篩查內(nèi)容 2.3.2 專業(yè)推薦項目的人工智能技術(shù)應(yīng)用 2017年李嶺海提出，使用人工智能深度學(xué)習(xí)方法處理超聲心動圖，以解決由于圖像模糊所造成的人工判讀難度大、準(zhǔn)確度低的問題。利用SURF算法等分別提取患者超聲切面圖像的特征，然后比較測試圖像特征值和訓(xùn)練圖像特征值的差異，計算識別準(zhǔn)確率。模型的實現(xiàn)則采用Caffe開放學(xué)習(xí)維護(hù)深度學(xué)習(xí)框架，訓(xùn)練出可識別心臟病類型的模型。深度學(xué)習(xí)網(wǎng)絡(luò)對超聲心動圖的識別準(zhǔn)確率最高可達(dá)98%。2016年張鷗建立了動脈粥樣硬化早期診斷的炎癥因子診斷模型：首先，基于Logistic回歸分析篩選出用于建模的炎癥因子；然后，分別用ROC曲線、支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)建立動脈粥樣硬化早期診斷模型。該研究為臨床早期發(fā)現(xiàn)動脈粥樣硬化及動脈粥樣硬化斑塊的發(fā)展情況奠定了理論依據(jù)。圍繞專業(yè)推薦項目的人工智能技術(shù)應(yīng)用，主要集中于圖像智能識別領(lǐng)域，即利用神經(jīng)網(wǎng)絡(luò)建模技術(shù)替代人工經(jīng)驗識別?，F(xiàn)階段，針對篩查人群進(jìn)行大數(shù)據(jù)分析的技術(shù)應(yīng)用還不夠成熟，主要是因為數(shù)據(jù)量的擴(kuò)大及數(shù)據(jù)的準(zhǔn)確標(biāo)記有賴于調(diào)動更多的資源來完成。 2.4 高危人群體檢篩查的人工智能技術(shù)應(yīng)用 2.4.1 高危人群體檢篩查內(nèi)容 2.4.2 專業(yè)檢查項目的人工智能技術(shù)應(yīng)用 2019年張海濤等采用前瞻性研究、盲法評估、自身對照設(shè)計，基于評估冠狀動脈生理功能的新型軟件，利用人工智能技術(shù)計算基于CCTA的血流儲備分?jǐn)?shù)（fractional flow reserve based on CT imaging，F(xiàn)FRCT）；以疑似冠心病患者為研究對象，計算FFRCT診斷功能性心肌缺血的準(zhǔn)確性、特異性、敏感性、陽性預(yù)測值和陰性預(yù)測值。研究結(jié)果表明，該軟件在功能性心肌缺血的評估方面具有較高的準(zhǔn)確性及敏感性，實現(xiàn)了FFRCT的無創(chuàng)檢查。該評估軟件基于圖像的解剖學(xué)信息，利用人工智能的深度學(xué)習(xí)技術(shù)取代FFRCT所需的復(fù)雜運算過程，計算出了FFRCT，其技術(shù)核心是由海量的人工神經(jīng)元所組成的神經(jīng)網(wǎng)絡(luò)。2020年胡小麗等采用人工智能技術(shù)對CCTA圖像進(jìn)行處理與診斷研究，在保證圖像質(zhì)量及報告診斷效率的前提下，證實了人工智能軟件在處理速度上較人類更有優(yōu)勢（3 min vs. 20 min）。在圖像的自動分割和識別中，則采用深度學(xué)習(xí)方法，并利用最優(yōu)網(wǎng)絡(luò)探尋技術(shù)（optimal path detection）和專業(yè)Loss函數(shù)，當(dāng)面對更加復(fù)雜的圖像時，仍能進(jìn)行更完整、更準(zhǔn)確、更光滑的血管分割，從而提高識別效率。 2.5 自我篩查（監(jiān)控）的人工智能技術(shù)應(yīng)用 2020年張勇等評估了目前大學(xué)生所穿戴的智能手表、智能手環(huán)等智能設(shè)備對體育鍛煉的影響。該研究中檢測了穿戴設(shè)備傳感器所提供的心率變異性（與心臟健康呈正相關(guān)）、靜息心率（與健康呈負(fù)相關(guān)）以及睡眠質(zhì)量的指標(biāo)值，并普遍采用統(tǒng)計學(xué)算法進(jìn)行分析。 3 ● 總結(jié) 當(dāng)今，隨著國民生活方式的轉(zhuǎn)變與人口老齡化、城市化進(jìn)程的加劇，心血管病發(fā)病人數(shù)仍在持續(xù)增加，費用負(fù)擔(dān)不斷加重，心血管病成為重大公共衛(wèi)生問題。心血管病的早期篩查成為疾病防治的重要課題。 相關(guān)論文集錦 【OSID論文】人工智能心電算法對臨床心律失常檢測的有效性評估 |
|
|
