河北
美国心脏协会（AHA）一份新报告的研究结果显示，Ultromics公司的EchoGo心力衰竭人工智能（AI）算法最多可提前九个月识别出射血分数保留的心力衰竭（HFpEF）患者，比标准临床护理更早。
这家总部位于英国牛津的公司的AI工具旨在实现超声心动图分析和测量的自动化。通过免去手动描记，开发该工具的目的是统一诊断标准，并减少在识别HFpEF和心脏淀粉样变性等其他疾病时操作者之间的差异。
为了帮助医疗系统更好地了解以心血管和卒中为重点的AI工具的潜在临床和经济价值，AHA的影响报告是通过其AI评估实验室使用独立的临床和影像数据完成的。
美国心脏协会（AHA）的实验室及后续报告是基于由真实世界数据和临床人工智能平台Dandelion Health整理的独立数据集开发的，旨在评估心血管和卒中人工智能算法。
AHA报告的发现基于每10,000名患者、为期五年的模型数据。
其中最显著的发现之一是，对于原本可能被延迟诊断的患者，Ultromics的EchoGo可比标准临床护理平均提前263天识别出射血分数保留的心力衰竭（HFpEF）。
结果还表明，早期干预可在五年内每1万名患者中挽救477人的生命。
在经济方面，报告的研究结果表明，采用EchoGo后，卫生系统可在五年内实现高达190万美元的成本节约，从卫生系统和支付方两个角度来看，每位患者大约可节省1,800美元。
HFpEF被视为最难诊断的心力衰竭类型之一，因为症状往往不具特异性，且可能不会在标准影像学检查中显示出来。据估计，30%至50%的患者不知道自己患有心力衰竭，且许多患者等到病情已经很严重了才被发现，而正常参考范围主要来自白人男性群体，这就进一步加剧了这一问题。这种已知的诊断偏差意味着HFpEF在女性和其他族裔人群中常被漏诊。
Ultromics 首席商务官 Roger Owens 表示：“由于人工智能诊断技术非常新颖，其评估方式与传统心血管技术有所不同。目前，许多医院难以落地应用这些技术，因为他们需要明确的证据来证明这些模型是如何训练、验证并整合到真实临床工作流程中的，之后才能在临床实践中放心使用。
“美国心脏协会的人工智能评估实验室正好填补了该领域一直以来的空白：基于独立数据的具有临床意义的验证，有助于弥合理论与实际应用之间的差距。
“对于 EchoGo 心力衰竭产品而言，这种外部验证对于让医疗机构建立信任至关重要——不仅证明模型有效，而且证明它在多样化数据中表现一致，能结合医生的判断来解读结果，并且已经可以大规模辅助临床决策。”
本网站上的信息是本着善意收录的，仅供一般参考之用。并不构成您所应依赖的建议，我们对其准确性或完整性不做任何明示或暗示的陈述、保证或担保。在根据本网站内容采取行动或不采取行动之前，您必须先获取专业或专家的意见。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
