史丹佛大学研发医疗应用机器学习算法，心律异常诊断精准如人工

机器学习在医疗领域的应用又更进一步，日前，史丹佛大学发布，其机器学习团队研发一套深度学习算法，能够从心电图讯号（ECG）中侦测14种心律异常的类型，且声称这套算法诊断这些心律异常的准确度与人工诊断不相上下。

史丹佛大学和心跳监测公司iRhythm合作，搜集大量用来训练深度神经网络模型的资料，并用7个月的时间，训练这套深度神经网络模型能够与人工诊断一样准确地判断不同种类的心律异常。

而这套深度学习算法能透过穿戴式监测装置搜集的数个小时的心律资料，来判断患者是否有心律不整或心跳异常的状况。另外，为了确保算法判断结果的准确性，史丹佛大学也与6位心脏病专家合作。

史丹佛大学表示，这套深度学习算法的诊断有着心脏病专家等级的准确度，且还具有不会疲劳的优点，能够进行立即且连续的心律异常检测。而这套算法除了能够提升病人照顾的品质之外，还能协助医生节省时间。

另外，史丹佛大学机器学习团队期望，这套心律异常检测算法能够发展为穿戴式装置的一部分，并借此协助难以取得心脏病专家资源的发展中国家或农村地区。

史丹佛大学心律诊断机器学习算法影片介绍：