结构性肺结核早期诊断更容易：AI模型可准确识别高危患者

习惯上的整体肺炎（structural heart disease，SHD）指任何瓣膜形态的异常，任何与瓣膜和大血管形态有关的传染病。其是一种顺利完成性传染病，这意味着疼痛则会随着短时间的推移而紧张，如果不尽快发现和化疗，患病率极低。所以，早期诊断和化疗是优化病征预后的关键因素。

当地短时间5月24日，美国区外卫生系统Geisinger和生物新科技学术研究公司Tempus的临床药剂师和科学家发现，其计算机系统三维可以在病人尚未患病时，确切鉴别成其患整体肺炎的高风险在升高，即标记成高危整体肺炎病征。

这个三维的信息来自非常常见的十二导联超声波(ECG)，学术研究职员收集了1984年至 2021年间在Geisinger遵从护理职员的48万名病征的220万份超声波信息。该信息用于专业训练深度神经网络(DNN)，以得成在无法整体肺炎病史的病征中的，哪些病征则会患这种传染病，从而使其可以从高风险评估或化疗中的受益。

这个名为rECHOmmend计算机系统三维可以通过医学影像心动图（瓣膜医学影像）得成七种整体肺炎中的的任何一种。“过去的学术研究得出结论，计算机系统尽可能通过医学影像心动图顺利完成举例来说传染病乳癌。rECHOmmend则在此一新有所增加医学影像心动图作为整体肺炎乳癌物件的近期，”Geisinger高级信息科学家、该学术研究的主要编者Alvaro Ulloa Cerna表示，“这可以帮助早期诊断，并避免传染病进一步发展及其使人衰弱的疼痛成现。”

Tempus首席科学官Joel Dudley说道，“整体肺炎具有很高的存活率和患病率。我们的两个小组正在以后四处寻找新的方法，在肺炎病征到达随之而来的严重衰弱阶段以后应用计算机系统来完成得成。”

这项学术研究是Tempus和Geisinger小组近些年开展的“基于AI的肺炎学学术研究”的最新成就。在此以后2020年5月，这两个组织合作学术研究AI是否可以应用于 ECG 信息确切得成患病率，学术研究（Prediction of mortality from 12-lead electrocardiogram voltage data using a deep neural network）发表文章于《自然·医学》上。其学术研究得出结论，计算机系统可以实际上从超声波信息得成患病率，甚至其中的有大量超声波信息是被药剂师解释为也就是说。

2021年，这个小组始创了得成新发心房颤动(AF)和AF关的中的风高风险的AI三维，发表文章于《Circulation》周报。AF三维被所选用于40岁及以上的病征，这些病征无法定时长期存在或并发的AF或心房扑动，但根据中用的临床殁中的高风险管理物件，他们的殁中的高风险极低。