近幾十年以來(lái)，心臟病是導(dǎo)致美國(guó)人死亡的主要因素，所以患有心臟衰竭 （Heart Failure） 的美國(guó)人越來(lái)越多一點(diǎn)也不奇怪。預(yù)計(jì)到2030年，確診患有心臟衰竭的美國(guó)成年人將會(huì)增加46％，這意味著患病人數(shù)將達(dá)到八百萬(wàn)，一半左右的人在確診五年內(nèi)死亡。

（雷鋒網(wǎng) AI 科技評(píng)論按：心力衰竭簡(jiǎn)稱心衰，是指由于心臟的收縮功能和/或舒張功能發(fā)生障礙，不能將靜脈回心血量充分排出心臟，導(dǎo)致靜脈系統(tǒng)血液淤積，動(dòng)脈系統(tǒng)血液灌注不足，從而引起心臟循環(huán)障礙癥候群）

心臟衰竭很難早確診，在美國(guó)國(guó)家衛(wèi)生研究院 (National Institutes of Health) 幫助下， IBM Research 的一個(gè)科學(xué)家團(tuán)隊(duì)聯(lián)合 Sutter Health 的科學(xué)家與 Geisinger Health System 的臨床專家，利用基于電子病歷 (Electronic Health Records) 背后可能隱藏的信息，研究和預(yù)測(cè)心力衰竭。在過(guò)去三年里，利用自然語(yǔ)言處理、機(jī)器學(xué)習(xí)和大數(shù)據(jù)分析等 AI 最新進(jìn)展，該團(tuán)隊(duì)訓(xùn)練了一個(gè)比現(xiàn)今典型診斷早一至兩年確診心力衰竭的模型。這項(xiàng)研究提出了關(guān)于訓(xùn)練模型所需數(shù)據(jù)以及實(shí)際權(quán)衡等方面的重要見(jiàn)解，并開(kāi)發(fā)了更容易應(yīng)用在未來(lái)模型的新應(yīng)用方法。

正常心臟和衰竭心臟

來(lái)源：美國(guó)心臟協(xié)會(huì)

現(xiàn)在的醫(yī)生通常會(huì)對(duì)病人安排心力衰竭測(cè)試，并在病歷中記錄患者心力衰竭的體征和癥狀。盡管已經(jīng)做出了最大的努力，但是患者通常是在急性事件接受住院治療之后，才被診斷出心力衰竭，此時(shí)疾病已經(jīng)對(duì)身體造成了不可逆轉(zhuǎn)的漸進(jìn)性器官損傷。

該團(tuán)隊(duì)的研究重點(diǎn)是，在典型臨床診斷的前一年或前幾年，通過(guò)利用電子病歷系統(tǒng)中包含的數(shù)據(jù)，檢測(cè)和預(yù)測(cè)出病人患有心力衰竭的風(fēng)險(xiǎn)有多大。

為了實(shí)現(xiàn)他們的目標(biāo)，應(yīng)用自然語(yǔ)言處理和機(jī)器學(xué)習(xí)方法，該團(tuán)隊(duì)開(kāi)發(fā)和應(yīng)用了幾種認(rèn)知計(jì)算和 AI 技術(shù)來(lái)分析項(xiàng)目中的患者數(shù)據(jù)。

在項(xiàng)目過(guò)程中，團(tuán)隊(duì)致力于實(shí)現(xiàn)一系列目標(biāo)，得到了一些意想不到的發(fā)現(xiàn)，其中包括：

1.第一個(gè)目的是了解 Framingham Heart Failure Signs and Symptoms (FHFSS) 用于早期檢測(cè)的有效性， FHFSS 是臨床醫(yī)生通常用來(lái)診斷心力衰竭的傳統(tǒng)風(fēng)險(xiǎn)因素。研究者使用自然語(yǔ)言處理技術(shù)（NLP），通過(guò)解析信息和識(shí)別概念（包括富氏風(fēng)險(xiǎn)標(biāo)準(zhǔn) (Framingham risk criteria) 或其他類型的癥狀），從非結(jié)構(gòu)化數(shù)據(jù)（如醫(yī)生筆記）中提取信息。有趣的是，研究結(jié)果顯示，28 例原始 FHFSS 體征和癥狀中，只有6例確定是未來(lái)呈現(xiàn)心力衰竭的可靠預(yù)測(cè)因子。

2.第二個(gè)目的是，通過(guò)將醫(yī)生筆記的非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化電子病歷數(shù)據(jù)相結(jié)合，確定能否更準(zhǔn)確地預(yù)測(cè)心力衰竭。為此，團(tuán)隊(duì)?wèi)?yīng)用機(jī)器學(xué)習(xí)方法來(lái)構(gòu)建考慮變量組合的預(yù)測(cè)模型。研究結(jié)果顯示，與 FHFSS 聯(lián)合使用時(shí)，收集在電子病歷中的其他常規(guī)數(shù)據(jù)類型（如疾病診斷，藥物處方和實(shí)驗(yàn)室檢查）可能是預(yù)測(cè)患者心力衰竭發(fā)作更有用的預(yù)測(cè)因素。

以上顯示了心力衰竭預(yù)測(cè)研究的模型圖，該模型可比當(dāng)前手段早一到兩年確定心力衰竭。

使用縱向電子病歷數(shù)據(jù)(EHR)，研究者在觀察期中提取和分析了各種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)類型，其中索引日期代表可以進(jìn)行預(yù)測(cè)的最早日期，預(yù)測(cè)期（ prediction window ）指的是傳統(tǒng)手段診斷前，模型能夠做出預(yù)測(cè)的一個(gè)時(shí)間段。

在幫助檢測(cè)個(gè)體心力衰竭的可能性方面，研究還使團(tuán)隊(duì)深入認(rèn)識(shí)到特定數(shù)據(jù)類型與實(shí)用性之間的權(quán)衡。例如，當(dāng)使用更多樣化的數(shù)據(jù)類型時(shí)，模型的性能得到了改善，其中診斷、用藥遺囑和住院數(shù)據(jù)三者之間的兩兩組合是最重要的數(shù)據(jù)類型。利用知識(shí)驅(qū)動(dòng)的藥物和診斷本體，將變量概括為更高層次的概念，并開(kāi)發(fā)出數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)識(shí)別和選擇最顯著的變量，創(chuàng)建出更小和更強(qiáng)大的變量子集。最終，團(tuán)隊(duì)開(kāi)發(fā)出性能和實(shí)用性都優(yōu)良的預(yù)測(cè)模型。

這從臨床的角度來(lái)看至關(guān)重要，因?yàn)槟Ｐ椭惺褂玫幕颊咭蛩乜赡艹^(guò)了1000個(gè)，但是沒(méi)有醫(yī)療保健專業(yè)人員希望輸入如此多的變量。對(duì)于訓(xùn)練有效預(yù)測(cè)疾病模型所需數(shù)據(jù)的最低數(shù)量和類型，這些研究成果提出了可實(shí)現(xiàn)的指導(dǎo)方針。去年11月，發(fā)表在 Circulation: Cardiovascular Quality and Outcomes 的一篇論文 (“Early Detection of Heart Failure Using Electronic Health Records”) 和另一篇論文 (“Learning About Machine Learning: The Promise and Pitfalls of Big Data and the Electronic Health Record”) 記錄了這一研究的其他實(shí)際意義。

以上三方將繼續(xù)合作，進(jìn)一步推進(jìn)目前的研究結(jié)果。這項(xiàng)工作令人振奮的一面是，它有適用于其他疾病的潛在可能性。大數(shù)據(jù)的可用性聯(lián)合革新的認(rèn)知計(jì)算，有望令臨床診斷和早期疾病檢測(cè)方面取得重大進(jìn)展。更多資訊請(qǐng)關(guān)注雷鋒網(wǎng)。

via  ibm,   雷鋒網(wǎng)編譯

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。