机器学习模型量化肺水肿的情况分析

　　当前，中国心血管病11患病率处于持续上升阶段，其中，心力衰竭作为导致死亡的重要病因之一愈发受到重视。2019年《中国心血管健康与疾病报告》显示，2019年心力衰竭人数直逼890万。

　　心力衰竭往往来势汹汹，急性心力衰竭最常见的警告信号之一是肺部液体过多，这种情况被称为“肺水肿”。

　　而一个病人确切的过剩液体水平通常决定医生的治疗方案，但作出这样的决定是困难的，需要临床医生依赖于X光片中的细微特征，这也导致许多情况下，诊断和治疗计划不一致。

　　为了更好地处理这种细微差别，近日，麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员开发了一个机器学习模型，可以通过X光来量化水肿的严重程度，分为0级（健康）到3级（非常非常非常糟糕）。系统在一半以上的时间内确定了正确的级别，并且90％的时间正确诊断了3级病例。

　　这可能意味着通过CT扫描发现遗漏的癌症诊断，或者在医生看到阿尔茨海默氏症的迹象之前数年就能检测出来。研究过程中还使用人工智能分析心电图结果如何帮助医生通过识别左心室功能障碍来确定最容易发生心力衰竭的患者，这项新的研究也遵循了类似的路径，尽管关注的是不同的机制。

　　研究小组表示，更好的水肿诊断不仅有助于医生处理急性心脏问题，还可以帮助医生处理与水肿密切相关的其他疾病，如败血症和肾功能衰竭。

　　显然，数据与算法的结合正在重塑医疗诊断，通过现代计算的力量，这些算法能够查看医疗成像数据，发现临床医生无法看到的人类状况的微妙但关键的变化，从而开启一些令人兴奋的可能性。
责任编辑人：CC