2022人工智能助力心血管疾病的诊断与治疗(全文).pdfVIP

2022人工智能助力心血管疾病的诊断与治疗(全文)--第1页

2022人工智能助力心血管疾病的诊断与治疗（全文）

人工智能（artificialintelligence，AI）是指能模拟人的某些思维过

程和智能行为的技术或系统。相较于对已输入的知识进行调取的传统计算

机技术，AI可模拟人类的学习过程，从已有的命题知识中产生新的命题知

识，不断进行自身学习，最终对新知识加以利用，解决新问题。自1956

年首次提出以来，经65年的发展，AI技术发展迅速，尤其是在医疗领域

更是突飞猛进。AI技术突破传统统计应用范围的局限，具有分析医疗大数

据、灵活建立风险预测模型、自动建立临床决策系统的能力。

我国心血管疾病患病人数众多，《中国心血管健康与疾病报告2019》

推算我国心血管病现患人数3.3亿，同时，心血管病死亡占城乡居民总死

亡原因的首位，农村为45.91%，城市为43.56%。在我国心血管病负担

日渐加重，已成为重大的公共卫生问题。针对以上现状，国家制定了《“健

康中国2030”规划纲要》，提出到2030年将包括心血管疾病在内的慢病过

早死亡率比2015年降低30%。面对如此庞大的患者群体和有限的医疗资

源，寻找一种高效的疾病筛查方法迫在眉睫。目前，心血管疾病领域对

AI的需求与应用已经涉及多方面，比如AI研发在心血管疾病诊治中的应

用、智能医学研究与心血管危险因子防控、智慧医疗与急重症心血管疾病

研究、AI在心电监测中的应用、心血管结构和功能的智能化分析、AI影

像与心血管医学应用等多个领域。尤其是近10年来，AI已经在心血管疾

2022人工智能助力心血管疾病的诊断与治疗(全文)--第1页

2022人工智能助力心血管疾病的诊断与治疗(全文)--第2页

病的早期筛查、自动诊断、危险分层等方面展现出独特优势，本文就AI

辅助心血管疾病诊断与治疗的研究进展进行总结。

一、AI的常用技术

AI的主要技术手段和核心是机器学习，是指从已有的学习数据中“猜

测”出具有一般性的规律，将其应用到未知样本上并进行预测的方法，具体

处理过程包括：数据预处理、特征提取、特征转换和预测。根据模型和算

法的不同可将机器学习分监督学习、无监督学习及深度学习。监督学习的

原理是通过已有标记的训练样本得到一个模型，再利用这个模型对结局进

行预测，常用于通过患者的临床特征对预后进行预测。相反，无监督学习

的目的是在没有反馈的情况下发现数据中隐藏的信息，训练样本未被标记，

通过多个特征将相似的患者分组，分析相似组间个体的特征，并将其与结

局联系起来，试图从数据隐藏的信息中识别新的致病特征。深度学习的目

的在于建立神经网络，模仿人脑的机制来解释数据，尤其是图像数据。通

过模拟人脑视觉系统的分级处理，利用卷积神经网络（convolutional

neuralnetworks，CNN）等算法建模，从原始的输入图像逐层学习特征，

并在相关颜色、纹理、局部等特征基础上进行分析并得出有意义的特征表

示模型，用于后续的图像识别。

二、AI在心电监测中的应用

心电图在临床上容易获取，是筛查和诊断心血管疾病最主要的技术手

2022人工智能助力心血管疾病的诊断与治疗(全文)--第2页

2022人工智能助力心血管疾病的诊断与治疗(全文)--第3页

段。现有的心电图自动识别技术，面对临床中情况多变的心电图，往往诊

断困难，如难以识别不典型心房扑动、早期复极化等，AI诊断可以解决上

述问题，通过建模对大量临床心电图进行学习，识别心电图的细微差别，

从而实现模拟人脑的智能读图。

1.心律失常诊断：单导联心电贴片是一种可穿戴心电监测设备，研究

发现源于端到端