机器学习识别长QT综合征的准确性达到79％

AliveCor和Mayo Clinic利用机器学习来识别长期QT综合征(LQTS)，并在波士顿的“心律科学会议”上发表了研究结果。

LQTS可能是一种先天性或后天性疾病，每年会导致约4000例儿童和年轻人死亡。由于某些患者的心电图(ECG)表现出正常的QTc，因此很难识别LQTS患者。在这项研究中，研究人员旨在为临床医生提供使用AI和深度神经网络诊断疾病的工具。

AliveCor首席执行官Vic Gundotra表示：“没有什么比使用AI来检测否则看不见的AI更能说明我们的AI在医学科学中的重要性了。

通过将AI应用于12导联心电图的I导联的数据，研究人员能够使用机器学习来识别LQTS患者，特异性达到81%，灵敏度达到73%，总体准确性达到79%。此外，研究人员指出，使用AliveCor的KardiaMobile和KardiaBand设备作为识别LQTS的移动检测工具有潜在的好处。

“在我们以前使用Mayo Clinic专有的T波指纹软件进行的工作的基础上，令人惊讶的是，我们的'AI大脑'能够将一名可能危及生命的综合征LQTS，但QTc正常的患者与正常的只需盯着一个引线就能获得相同的QTc值。”高级作者Michael J. Ackerman，医学博士，Mayo Clinic遗传心律诊所和Mayo Clinic的Windland Smith Rice猝死基因组学实验室主任。