人工智能已經影響到你生活的無數領域，從你的工作到你的醫療保健。新的研究表明，它很快就可以用來分析你的心臟。

人工智能將很快被用于分析你的心臟。

周三發表的一項研究發現，在對超聲掃描顯示的心臟解剖結構進行分類時，先進的機器學習比獲得國際認證的超聲心動圖醫師更快、更準確、更有效。這項研究是由來自加州大學舊金山分校、加州大學伯克利分校和貝斯以色列女執事醫療中心的研究人員進行的。

研究人員訓練了一臺計算機來評估最常見的超聲心動圖(echo)視圖，使用了超過180,000張回波圖像。然后，他們在新的樣品上測試了電腦和人類技術人員。在評估回聲視頻時，計算機的準確率為91.7%至97.8%，而人類的準確率只有70.2%至83.5%。

“這為全面分析超聲心動圖提供了一個基礎步驟，”UCSF醫學中心心臟病學家、UCSF醫學院助理教授Rima Arnaout博士說。

解釋超聲心動圖可能很復雜。它們包括幾段視頻剪輯、靜態圖像和從十幾次觀看中獲得的心臟記錄。某些觀點之間可能只有細微的差異，這使得人們很難提供準確和標準化的分析。

人工智能可以提供更多有用的結果。研究表明，深度學習已被證明在學習圖像模式方面非常成功，是一種有前途的工具，可以幫助專家在放射學、病理學和皮膚病學等領域進行基于圖像的診斷。人工智能還被用于醫學的其他幾個領域，從使用眼睛掃描預測心臟病風險到幫助住院病人。在去年發表的一項研究中，斯坦福大學(Stanford)的研究人員能夠訓練一種深度學習算法來診斷皮膚癌。

但是Arnaout說，超聲心動圖是不同的。在識別皮膚癌時，“一顆皮膚痣等于一張靜止圖像，而心臟超聲卻不是這樣。”對于心臟超聲，一個心臟相當于許多視頻，許多靜態圖像和至少四個不同角度的不同類型的記錄，”她說。“你不可能一步就從心臟超聲波診斷出來。你必須一步一步地解決這個診斷問題。”這種復雜性是人工智能尚未廣泛應用于超聲心動圖的部分原因。

該研究使用了超過22.3萬張隨機選擇的回聲圖像，這些圖像來自于加州大學舊金山分校醫學中心267名年齡在20歲到96歲之間的患者，收集于2000年到2017年之間。研究人員建立了一個多層神經網絡，并使用監督學習對15個標準視圖進行分類。80%的圖像是隨機選擇的，用于培訓，而20%的圖像是保留的，用于驗證和測試。委員會認證的超聲心動圖專家們隨機選擇了1500幅圖像——每種圖像各100幅——這些圖像來自于給該模型的相同測試集。

計算機從12個視頻中對圖像進行分類，準確率為97.8%。單幅低分辨率圖像的準確率為91.7%。另一方面，人類的準確率為70.2%到83.5%。

阿爾諾特說，卷積神經網絡最大的缺點之一就是需要大量的訓練數據。

她說:“當你在網上看貓咪視頻之類的東西時，這很好，因為網上有很多這樣的視頻。”“但在醫學領域，將會出現這樣的情況，即不會有很多人患有這種疾病，也不會有很多人的心臟有這種特殊的結構或問題。所以我們需要找到使用更小的數據集學習的方法。”

她說，研究人員能夠用不到1%的數據建立視圖分類。

在人工智能成為臨床應用的中心階段之前，還有很長的路要走，還有很多研究要做。

“這是第一步，”阿諾特說。“這不是你的醫生所做的全面診斷。但令人鼓舞的是，我們能夠用最少的數據實現基本的一步，這樣我們就可以進入下一步。”

最聰明的東西:革新者想出新方法讓你和你周圍的事物更聰明。