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
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
这项由斯坦福大学和特拉维夫大学合作的研究揭示了语言模型内部存在三套协同工作的信息处理机制:位置机制、词汇机制和反射机制。研究发现,当文本复杂度增加时,传统的位置机制会变得不稳定,其他两种机制会自动补偿。这一发现解释了AI在长文本处理中的表现模式,为优化模型架构和提升AI可靠性提供了重要理论基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
加州大学圣克鲁兹分校联合英伟达等机构开发出世界首个医学离散扩散模型MeDiM,实现了医学影像与报告的双向生成。该系统能根据临床报告生成对应影像,也能看图写报告,甚至可同时生成匹配的影像-报告对。在多项评估中表现优异,为医学教育、临床研究和辅助诊疗提供了强有力的AI工具。