美国食品药品监督管理局(FDA,简称药监局)已经批准首个部署在数字听诊器内的AI算法,可供医师准确检测心脏瓣膜疾病。

当心脏瓣膜功能不正常时,即可引发瓣膜性心脏病。由于瓣膜无法正常打开或关闭,会影响血液向全身各处泵送,亦导致心腔自身难以摄入回流血液。
根据疾控中心公布的数据,全美约有2.5%的民众患有瓣膜性心脏病,每年有数万人死于心力衰竭或心脏骤停等并发症。
瓣膜性心脏病的检测往往相当棘手,要求医师听取患者心跳,并从中识别出异常声音或模式,据此判断哪个瓣膜受损、由此导致什么问题。然而,对心跳声音和模式的判断相当主观,经常发生误诊甚至彻底漏诊。
AI算法在这方面有望提供帮助。Eko是一家位于加利福尼亚州奥克兰的数字健康初创企业,他们开发出一款软件,能够分析患者脉搏并帮助医疗保健专家检测心脏杂音。这款Eko Murmur分析软件(EMAS)也成为首个获得FDA批准的同类软件。
医师可以使用搭载EMAS分析功能的Eko智能听诊器收集心跳数据。据称,EMAS能够对心脏杂音进行表征,以便在几秒钟内检测并分析患者可能患有哪种类型的瓣膜性心脏病。
Eko公司发言人在采访中表示,“EMAS是一项基于云的服务,允许用户通过应用编程接口上传心音,并结合可选心电图数据开展分析。该软件使用信号处理(例如波形滤波)及机器学习算法分析采集到的数据,据此为临床医师生成临床决策与持续输出。”
“EMAS算法能够分析心音数据,并输出带有算法结果的JSON文件。该文件随后被进一步传递至应用程序,再由应用以人类可读的格式展示给用户。”
Eko公司宣称,其EMAS工具的总体敏感性与特异性(衡量疾病识别准确度的两项指标)分别为85.6%与84.4%。相比之下,据报道全科医师在使用传统听诊器检测瓣膜性心脏病时,敏感性与特异性分别为44%与69%。
根据Eko公司发言人的介绍,“临床专家需要多年积累,才能掌握用听觉解析心脏杂音的「艺术」,而且其中仍有不少无法确定的变量。心脏病专家的整体杂音检测精度高于初级保健医师,但目前大多数病患只能接受初级医师的诊疗。只有疑似或已知患有心脏病的患者,才会经转诊接触到心脏病专家。”
FDA的批准,意味着Eko可以在美国销售其EMAS算法,并将这项技术推向整个医疗保健行业。“FDA的批准,是我们迈向商业化的重要一步。我们正在与美国各医疗机构积极寻求合作,这些机构将成为EMAS新型解决方案的早期采用者,提升对心脏瓣膜疾病的检测能力。”
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。