美國斯坦福大學研究人員最新開發(fā)出一種深度學習算法，通過分析可穿戴監(jiān)測設備產生的心電數據，診斷出13種不同類型的心律失常，其準確性甚至超過心臟病醫(yī)生。這項成果未來可用于改善偏遠地區(qū)心律失常患者的診斷和治療。

　　潛在的心律失常患者通常是去看醫(yī)生，由醫(yī)生當面用心電圖儀進行檢查。如果心電圖儀沒有發(fā)現問題，醫(yī)生可能會讓潛在患者使用可穿戴設備，對心律進行兩周的持續(xù)監(jiān)測。設備生成數據的時間跨度長達300多小時，醫(yī)生需要分析其中每一秒的數據，以發(fā)現心律失常的跡象。有危害的心律數據與沒有危害的心律數據往往極難區(qū)分。

　　斯坦福大學的新聞公告說，該校機器學習團隊負責人、著名人工智能專家吳恩達發(fā)現，這是一個數據問題。研究人員為此開發(fā)了一個可以根據心電信號診斷不同類型心律失常的深度學習算法。他們與提供可穿戴心律監(jiān)測設備的企業(yè)合作，獲取了大約3.6萬人的心電數據樣本，用以訓練一個深度神經網絡模型。7個月后，這個神經網絡模型診斷心律失常的準確度堪比心臟病醫(yī)生，多數情況下甚至超過醫(yī)生。相關研究論文已在收錄科學文獻預印本的在線開放數據庫arXiv上發(fā)布。

　　據研究人員介紹，心律失常有多種類型，其中的差別很微妙，但對如何處置所發(fā)現的心律失常情況有很大影響。比如，被稱為二級房室傳導阻滯的心律失常有兩種類型，看上去很相似，但其中一種無需治療，而另一種則需要立即觀察。他們的研究成果不僅能夠發(fā)現心律失常跡象，而且還可以高準確度發(fā)現心律失常的不同類型，這種準確度是前所未有的。另外，這個算法的優(yōu)勢還在于不會疲勞，可以持續(xù)地對心律失常做出即時診斷。

　　研究人員希望，他們的算法未來可用于為偏遠地區(qū)或發(fā)展中國家無法看心臟病醫(yī)生的人群提供專家級的心律失常診斷。這個算法還可以配合高危人群日常使用的可穿戴心律監(jiān)測設備，以便在發(fā)現可能致命的心律異常時及時通知急救人員。