科學家們推出了基於人工智能的突破性精確方法，利用胸部X 射線對心臟功能和疾病進行分類。人工智能（AI）通常被認為是一種沒有情感、由機器驅動的系統，而大阪都立大學的研究人員卻揭示了人工智能的潛力，它可以提供溫暖人心的支持，或者更確切地說，是”心臟預警”。

該團隊開發出了一種突破性的人工智能應用，可對心臟功能進行分類，並準確識別瓣膜性心髒病，突顯了在整合醫學科學和技術以改善患者預後方面取得的長足進步。相關研究成果最近發表在《柳葉刀數字健康》（The Lancet Digital Health）雜誌上。瓣膜性心髒病是心力衰竭的原因之一，通常使用超聲心動圖進行診斷。然而，這項技術需要專業技能，因此合格的技術人員也相應短缺。同時，胸片檢查也是發現疾病（主要是肺部疾病）最常用的檢查方法之一。儘管心臟在胸片上也清晰可見，但迄今為止，人們對胸片檢測心臟功能或疾病的能力知之甚少。左：胸片右： 人工智能判斷依據的可視化。圖片來源：OMU，上田大壽

許多醫院都會進行胸部X光檢查，而且只需要很少的時間，因此非常容易獲得和復制。因此，大阪都立大學醫學研究生院診斷和介入放射學系的上田大洲博士領導的研究小組認為，如果能通過胸部X光片確定心臟功能和疾病，那麼這項檢查就可以作為超聲心動圖的補充。上田博士的團隊成功開發出一種利用人工智能的模型，可以從胸片上準確地對心臟功能和瓣膜性心髒病進行分類。由於在單一數據集上訓練的人工智能可能會出現偏差導致準確率較低，因此該團隊將目標放在了多機構數據上。因此，在2013年至2021年期間，研究小組從四家機構的16946名患者中收集了與22551張超聲心動圖相關的共22551張胸部X光片。將胸片作為輸入數據，將超聲心動圖作為輸出數據，對人工智能模型進行了訓練，以學習連接這兩個數據集的特徵。人工智能模型能夠精確地對六種選定的瓣膜性心髒病類型進行分類，其曲線下面積（Area Under the Curve，簡稱AUC）在0.83 到0.92 之間。(AUC是表示人工智能模型能力的評級指標，其數值範圍為0至1，越接近1越好）。在檢測左心室射血分數（監測心臟功能的一項重要指標）的40% 臨界值時，AUC 為0.92。Ueda博士說：”我們花了很長時間才取得這些結果，但我相信這是一項意義重大的研究。除了提高醫生的診斷效率外，該系統還可用於沒有專家的地區、夜間急診以及難以接受超聲心動圖檢查的患者。”