预测猝死时间:AI与死神的争夺

常规的AI技术应用,在心血管筛查、诊疗、AI医学影像上紧密联系,AI在这其中有巨大发挥的空间。

文|脑极体

数据统计,80%以上的猝死都属于“心源性猝死”,也就是因为心脏原因如心力衰竭或心律失常等引起。中国心源性猝死的发生率41.84例/ 10万人,每年心源性猝死的总人数高达 54.4万,中国也是全世界发生心源性猝死人数最多的国家。

每年几乎一个县的人数因为心源性疾病猝死,这么庞大的数量,亟需医疗系统开发个性化的心率猝死风险的评估工具,以挽救生命,并减轻巨大的公共卫生负担。近日,约翰霍普金斯大学研究人员领导的团队,开发了一种基于AI的预测工具,可以预测患者是否以及何时可能死于心脏骤停。

需求与效率交接

常规的AI技术应用,在心血管筛查、诊疗、AI医学影像上紧密联系,AI在这其中有巨大发挥的空间。

如果去医院看病的话,你会发现心血管科室绝对是最忙碌的科室之一。在全民高压高节奏的生活方式下,越来越多的人有各种心脏方面的不适。

根据美国心脏协会的研究,25%左右的冠心病患者平常与健康人无异,一旦发病,在黄金的抢救时间内来不及的话,首次发病直接猝死的概率非常大,他们甚至连发现和治疗的机会都没有。被媒体报道出的猝死只是少数,更多的猝死正在发生。

大量普通人主动的体检筛查和患者更好的治疗需求,使得心血管医学影像识别的重要性急剧提升,AI新技术的引入尤为重要。

用AI看片子,将心血管影像识别的步骤时间压缩,效率会极大地提升。传统的医疗体系方式中心血管影像的诊断,分为图像扫描、图像后处理、撰写报告、报告审核四个步骤,单个病例在影像环节需要花费最低半个小时。国内AI医疗公司开发的心血管AI影像识别产品,将时间缩短在5分钟左右,比传统的识别效率提升了6倍以上。

不同的医生在影像识别的能力不同,在“充实”的门诊活动中,过劳也是经验丰富医生的日常,疲劳造成的准确率波动,对AI影像来说不存在,越多的数据也就意味着更加准确的诊疗。AI劳模并不会疲惫,随着合作医院的增多,数据不断丰富、算法不断优化,心血管AI影像识别系统在持续地学习中,准确率也在不断提升。

我们会发现,市面上AI在心血管中的诊疗工具集中在影像功能上,换句话说,AI目前能够做到的诊疗也仅限于有意识体检的人群和心血管病患。这些有心源性病理显示的病患,比普通人更高概率触发猝死,但这种情形什么时候发生是悬在头顶的未知数。

预测微妙的风险关头

对于人们来说,心源性猝死最大的威胁就是发病时间无法预料。而约翰霍普金斯大学的研究团队可以利用开发的AI新技术,改变临床决策并提高突发性和致命性心律失常的存活率。最新的相关研究发表在近日的《自然心血管研究》上。

虽然心源性的心脏病都有触发猝死的可能,但有些患者的风险比较低,可能不需要使用体外除颤器(AED),而有些高风险患者如果没有及时治疗,可能会错过他们黄金的挽救时期死亡。而这个AI算法可以做的是,确定谁有心脏猝死的风险,以及何时发生,进而让医生准确地决定需要做什么。

研究人员为这种基于深度学习技术的工具起了个名字,称其为心律失常风险生存研究。据悉,这也是首个使用神经网络为每位心脏病患者建立个性化生存评估的工具,它能够测量10 年内心源性猝死的概率,以及最有可能发生的时间。

研究团队首先使用对比度增强的心脏磁共振图像,来可视化约翰霍普金斯医院 156 名心脏磁心肌病真实患者的瘢痕分布,训练了一种检测瘢痕的模式和关系的算法。同时还使用了临床患者十年的数据训练了第二个神经网络,患者数据包括年龄、体重、种族和处方药使用等 22 个因素。

然后使用深度神经网络直接从 CMR 图像和临床因素中学习这些参数,从而对生存数据进行最佳建模,预测个性化的生存概率,得到患者的个体特异生存曲线。

在实际的预测验证中,这个AI工具的准确率的表现也十分优异。来自美国 60 个医疗中心的独立患者的测试结果表明,算法的预测比医生准确很多。这个结果也意味着该系统未来可以被广泛普及应用。

在欧美人群中,心源性猝死的概率和中国差不太多,每 100,000 人中的发病率为 50-100 人,占所有死亡人数的 15-20%。高达20%的占比是一个不能忽视的重大隐患。而能够预测心源性猝死的概率与可能发作的时间的AI工具,对于病患以及健康诊疗的公共卫生来说意义重大。

悬在病患头上的未知有了可以参考的风险概率,对于病患和医生来说,极大提高了病患存活的概率。这个AI工具目前正在进行更多的测试和审核,以备未来更快进入临床的应用。

从重视征兆开始

这类较为准确预测心血管疾病的AI工具,国内目前没有相关的研究披露。在心血管医学领域,国内AI的介入主要还是影像识别、手术规划、疾病的管理等领域。AI心血管影像识别的应用发展较为缓慢,目前刚刚进入了临床试用的阶段。

相较于肺部影像来说,心血管医学影像识别的技术更加困难,并没有其他AI影像扎堆研发的热潮,高门槛的技术难点也让不少企业望而却步。其他的影像扫描图像基本是相对静止的状态,图像更容易合成与分析,而不断跳动的心脏,以及冠脉极端复杂的网状结构,图像的合成和三维重建十分困难。再加上心脏病症的种类丰富,包括冠心病、主动脉夹层、动脉炎等,都给AI的诊断与预测提出了巨大的难题。AI在心血管领域开疆扩土的发展还有很大的生长空间和商业价值。

AI心血管医学领域市场需求庞大、技术价值明显。这个难跨越道路的走通,对于其他医学领域的研究来说,也会蕴含巨大的价值。最难的研究做通了,相对简单的领域一些工具和模型的适配与研究也会更加容易突破。

面对猝死,除了依赖AI技术,积极地体检外,我们还能够做些什么?

学习下心源性猝死的征兆也是个求生的技能。最明显的征兆是不明原因的晕厥,这是身体发出的警告,请一定要重视;第二个是我们大多数比较熟悉的胸闷、心悸、呼吸困难、心痛等,严重的还有虚汗淋漓、面色灰白、烦躁不安等,这都是十分明显并且不容忽略的征兆,可能会触发心肌梗死;第三个是莫名的疲劳,是那种反常且不能恢复原本精力的疲劳,胸闷气短,干什么都累。

这些征兆的发生,请一定不要忽视,先快步走进医院再说。再紧急的工作,没有心脏的呼声紧急,再大的单子,也比不上自己的生命珍贵。所有先进的AI技术都是有诊治的先决条件,文中可以预测心梗猝死概率的AI系统,前提是你得活着确诊是心源性疾病,才能有机会应用。

在疫情反复的当下,乱七八糟的低压情绪交织,许多人都有必须要面对的课题,低压的情绪与高压的生存压力碰撞,崩塌不知道在哪个瞬间。身体有时候比大脑要警觉得多,在发出各种信号的时候,请竖起天线积极接收信号。在前沿AI技术介入诊疗前,活着才是一切美好和机遇发生的前提。

声明:本文内容仅代表该投稿文章作者观点,不代表浑水号立场。转载请注明投稿人姓名并附上本文出处(浑水号)。 未按照规范转载者,浑水号保留追究相应责任的权利
相关阅读
字节跳动、B站等多家公司 “员工猝死”,互联网公司去内卷化失败
动态心电做一做,排队动辄要两周?