Baidu
map

远程监控、人工智能将在心脏病学的未来发挥关键作用

2024-07-08 我爱瓣膜 我爱瓣膜 发表于上海

医疗保健创新正在以前所未有的速度加速,心脏病学正处于使用新形式的远程监控和人工智能 (AI) 进行变革的边缘。

医疗保健创新正在以前所未有的速度加速,心脏病学正处于使用新形式的远程监控人工智能 (AI) 进行变革的边缘

Thomas M. Maddox,医学博士,医学博士,华盛顿大学医学院 BJC HealthCare 数字产品与创新副总裁表示:“数字健康确实开始成熟,并成为我们未来实践心脏病学的关键部分。我们有一些更新的方式来收集有关患者健康的数据,特别是当患者不在诊所或医院时。因此,我们正在家中监测它们,并确保我们不会错过疾病恶化或疾病进展的早期迹象。“

远程监控开启了患者护理的新时代

长期以来,远程患者监护一直是管理心脏健康的主要手段,但最近的创新正在推动可能的界限。Maddox讨论了环境传感技术的潜力,该技术涉及放置在家庭环境中的生物传感器。这些传感器,例如床垫下用于捕获弹道心电图的传感器,可以在没有任何患者干预的情况下持续监测心率、呼吸频率和其他生物特征。这种被动数据收集提供了近 100% 的保真度,提供了可靠的信息流,可以预测心力衰竭恶化和其他心脏问题。我们越能让它自动化并在后台发生,我们在数据收集和患者健康洞察力方面就会越好。”

这种从主动监测到被动监测的转变代表了患者护理的重大飞跃,减轻了患者的负担并提高了收集的数据质量。正在研究的其他心脏数据来源包括来自马桶座圈、汽车方向盘和手机传感器的心电图和其他生物特征监测。

但是,通过使数据更容易记录,它也给临床医生带来了新的挑战。这是一股数据浪潮,我们已经被每天必须管理的数据量所淹没。我们开始看到人工智能在数据管理方面真正有用的改进。

心脏病学中的人工智能正在彻底改变数据管理和成像

美国食品和药物管理局(FDA)已经批准了近900种临床AI算法,心脏病学的AI批准数量仅次于放射学。其中许多集中在心电图和图像分析中。

Maddox表示,来自远程监控和其他来源的患者数据大量涌入,这给数据管理带来了挑战。人工智能现在被用于帮助跟踪来自远程监视器的数据并记录事件,在超过预设阈值时向临床医生发送警报。人工智能还被用于查看心电图数据,识别心房颤动和其他心律失常,并寻找心力衰竭恶化的迹象。

生成式人工智能也正在成为一种强大的工具,可以帮助心脏病专家将更多的时间花在患者身上,并减少将数据输入电子病历 (EMR) 的时间。ChatGPT 等 AI 模型现已商业化,以实现临床文档自动化,从而减轻临床医生的管理负担。Maddox表示,生成式AI可以记录整个办公室访问对话,并自动创建精简报告并提取数据以填充各种谨慎的数据字段。他说,这允许在没有医生干预的情况下完成80%或更多的报告。

人工智能为机会性心脏病学检查提供了机会

通过在临床系统后台工作的自主算法,可以对疾病进行机会性筛查,这些算法可以查看影像学检查、心电图和患者记录中的数据,以寻找各种临床问题的迹象。人工智能可以在问题出现症状之前及早发现问题,人工智能的机会主义审查提供了一种与订购测试原因无关的测试的二选一交易。

Maddox认为,从大规模上讲,人工智能有可能更早、更准确地识别高危患者。在临床环境之外使用智能手机、马桶座圈和床传感器对患者进行被动人工智能筛查,也可以发现问题并通知医生。人们普遍认为,这将有助于在疾病发展为症状之前以及治疗患者更容易之前启动早期干预。

预防心脏病学的未来

Maddox说,人工智能还帮助自动化心脏成像的许多方面,使检查更加准确和可重复。人工智能在心脏成像领域最有前途的领域之一是软斑块分析。人工智能可以自动且可重复地评估 CT 扫描中的斑块特征,这可能会改变预防心脏病学的游戏规则。

人工智能辅助成像可能会揭示我们需要解决的新斑块特征,以防止心肌梗塞。

在最近的心血管CT学会(SCCT)会议上,心脏成像专家预测,使用人工智能来检测冠状动脉炎症和软斑块的组成将在未来几年内改变预防心脏病学的游戏规则

“我们需要严格的证据来确保这些技术提供高质量的附加信息。挑战在于将这些工具集成到临床工作流程中,以最大限度地发挥其价值,我们还需要要求高标准的证据,并调整我们的工作流程,以充分实现这些技术的好处。”

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2213921, encodeId=dcb42213921ce, content=<a href='/topic/show?id=d3a024808e0' target=_blank style='color:#2F92EE;'>#人工智能#</a> <a href='/topic/show?id=ff3c51599b0' target=_blank style='color:#2F92EE;'>#心脏病学#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=68, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=24808, encryptionId=d3a024808e0, topicName=人工智能), TopicDto(id=51599, encryptionId=ff3c51599b0, topicName=心脏病学)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=cade5395722, createdName=梅斯管理员, createdTime=Mon Jul 08 14:26:52 CST 2024, time=2024-07-08, status=1, ipAttribution=上海)]

相关资讯

未来ICU:人工智能如何改变危重症患者的抗菌治疗

随着医疗技术的发展,预计未来将有更多的工具和方法来指导抗菌治疗,包括利用人工智能来解释复杂的临床数据。此外,抗菌药物管理计划将继续发展,以确保抗菌药物使用的适宜性和有效性。

Radiology:基于人工智能的蛋氨酸PET与增强MRI的虚拟合成

据报道,在胶质瘤中,蛋氨酸摄取与MRI扫描上的对比增强(CE)区域之间存在相关性。图像到图像的转换模型涉及到生成对抗网络的应用,该网络可以从图像中提取特征。

Lancet Digit Health:通过人工智能增强心脏 MRI 预测诊断和舒张压充盈压:医院数据的建模研究

利用人工智能结合心脏磁共振成像(cMRI)数据,成功开发了一种非侵入性的方法,用于准确预测心脏病患者的诊断和左心室舒张末期压(LVEDP),显著提升了心脏功能评估的效率和准确性。

Nature Medicine:人工智能助力痴呆症精准诊断:多模态数据综合应用的突破

该模型综合了人口统计信息、个人和家族病史、药物使用情况、神经心理评估、功能评估以及多模态神经影像数据,从而识别个体痴呆症的病因。

Nat Med:赵世华等团队合作使用人工智能支持的心脏磁共振成像筛查和诊断心血管疾病

该研究开发并验证了计算机化CMR解释,用于9,719例患者的11种CVD的筛查和诊断。

【论著】| 基于深度学习算法的病理学图片淋巴细胞浸润检测

采用变分自编码模型预训练的方法,对淋巴细胞浸润的病理学图片进行浸润检测,可获得比直接训练更优的模型表现;并且通过Unet去除肿瘤坏死区域的影响能够进一步提高模型的性能。

ESH 2024:高效预测心血管事件:人工智能模型的开发与评估

该研究结果彰显了XGBoost模型的稳健性和稳定性,有效地平衡了预测准确性和可解释性。

Nature Medicine:AI赋能外科手术:从术前诊断到术后监测

每年全球约有3.3亿台手术正在进行中,随着手术需求的不断增加和等待名单的延长,AI在优化外科手术流程和提高手术效果方面的潜力正逐步显现。

Baidu
map
Baidu
map
Baidu
map