诊断心脏病 机器算法即将超过最强人类医生

编者按：德国的Nils Strodthoff和Claas Strodthoff研究出一种算法能够检测人类心脏病，并且达到了与人类心脏病学家相似的水平。本文经授权译自MIT Technology Review原标题为"Algorithm Matches Human Cardiologists In Detecting Heart Attacks"的文章。

心肌梗死或心脏病发作是由于血管阻塞干扰了了心肌的血液供应。治疗方法包括使用球囊或支架扩大主要动脉以使血液再次流动，或者完全通过冠状动脉旁路手术绕过阻塞。

无论用哪种方式，都必须及时治疗，所以快速诊断很重要。然而，急诊室的情况通常很混乱，所以心脏病发作的迹象不易被发现，然后后果确实很严重的。

因此，一种能够准确、可靠地、并且能自动地识别发病信号的方法将是巨大的进步。但是，尽管在这一领域有很多研究，自动心脏监测系统的可靠性依然明显不如训练有素的心脏病专家。

而如今，随着来德国的Nils Strodthoff和Claas Strodthoff（分别来自德国柏林市的Fraunhofer Heinrich Hertz Institute研究所、德国基尔市的施勒苏益格-荷尔斯泰因大学医学中心）的研究进展，情况有所改观。他们已经研究出一种神经网络，可以识别心肌梗死的迹象，并且称这台机器首次可以与人类心脏病专家的表现相提并论。

目前来看，诊断心脏病发作的最好方法之一是使用心电图仪来测量心脏的电输出。一个标准的心电图能记录下来自人身体中12个不同部位的信号。

这些信号以不同的方式揭示心脏的电行为。心脏病学家早就知道，在心脏病发作时，这些线索中的一些信号在诊断上比其他任何方式都有用。

但解读这些数据是很难的。临床医生首先要找出一些基本的信号，忽略任何噪音或损坏的数据，然后排除个别的心跳。然后临床医生需要找到预定义的或自动检测的时间间隔和每个节拍的电压值。

最后，医生必须在心跳中识别一些特征，并据此划分病人的病情。由于存在一种称为“ST段抬高”的信号，这个过程变得更加复杂。有这种信号的病人应该尽快治疗，而没有这种信号的病人则需要更进一步检验。

检验心脏病的过程其实很不容易。事实上，由于不规则或不寻常的心跳、噪音和数据损坏，这个过程会变得更加困难，而所有这些干扰在急诊室中都很常见。因此，在存在很多干扰信号时，人类的表现明显优于机器并不奇怪。

但近年来，神经网络在人脸和物体识别等图像识别问题上取得了长足的进步。因此，人们对将这些技术应用到医学中有很大的兴趣，其中图像识别就是其中的一个方向。

Nils Strodthoff和Claas Strodthoff就是这样做的，他们建立了148个心电图记录的数据库，这些记录来自心肌梗死患者和52个健康对照组。他们使用滑窗技术向神经网络提供数据，其中每个窗口至少包含3个心跳。

研究小组将90%的数据用于训练神经网络，以发现心脏病发作的迹象。

其余的数据被用来测试网络，其结果非常有趣。Nils Strodthoff和Claas Strodthoff说:“我们提出的检测体系在当前的数据库中打败了目前最先进的方法，并且达到了与人类心脏病学家相似的水平。”

更重要的是，这些机器倾向于优先运用人类心脏病学家已经在用的诊断方法的数据。

这一重要结果表明，智能机器有潜力极大地改善医疗。当然，这种方法并不完美。

一个潜在的问题是这里使用的数据库相对较小。机器学习算法通常需要大量的带注释的数据库才能很好地学习。创建更大的心脏病记录数据库是非常耗时、非常困难的。但只有使用更大的数据库，临床医生才能确保算法在医生工作的各种混乱环境中是准确的。

但这种方法的潜力是巨大的。机器可以减轻人类医生的一些单调乏味和复杂的劳动，缓解劳累。Nils Strodthoff和Claas Strodthoff研究出来的方法适用于任何时间序列的分类问题，如来自ECGs和EEGs等设备的原始数据，所以也可能运用于其他场景。

这就意味着，在不久的将来，我们大多数人，或者至少有一部分人，将会通过机器来诊断病情。

编译组出品。编辑：郝鹏程