吴恩达新研究:AI看心电图,诊断心律失常准确率超过人类医生丨Nature

郭一璞 发自 凹非寺 量子位 报道 | 公众号 QbitAI

吴恩达团队又在AI医疗方面取得了革命性突破,搞定了心律失常诊断。

只要让AI输入心率数据,就可以判断出你是否心律失常、具体是哪一种情况。

而且,准确度高达83.7%,超过了人类心脏病医生的78.0%

这项研究被发表在了最新的一期Nature Medicine上。

如何让AI学会诊断心律失常

整体的研究,基于吴恩达团队在2017年的一篇已经发在Arxiv上的论文(文末有地址)。

诊断依据是患者的心电图。心电图数据来自于一家名叫iRhythm的公司,他们的产品Zio可以固定在人的胸前,像一个移动的听诊器一样,24小时听着患者的心跳并记录下来。

记录下来的心电图经由专家标注,分成12种不同情况,包括10种心律失常,还有窦性心律(这个不失常)以及噪音。

其中,训练集来自53549名病人的91232份心电图记录,每份记录大约在10.6天~13天的长度,患者年龄在69±16岁,其中43%为女性。

测试集则是328位病人每人一份心电图数据,这些病人的年龄在70±17岁,其中38%为女性。

拿到这些数据集,就可以训练深度神经网络(DNN),具体结构如下:

整个神经网络包含33个卷积层,以线性输出层结尾。

向神经网络中输入心电图数据,它就可以将其拆分成每个时长1.28秒的数据样本,判断每个1.28秒属于12种心率(及噪音)中的哪一种。

整体表现超越人类医生

F1分数比较,在12个种类里,AI的表现都超过了人类医生的平均水平。

并且,针对每一种心率,AI的敏感性都要比人类医生高,也就是说,诊断结果更为准确。

这是心房震颤的ROC曲线,红十字是不同人类医生的表现,绿点是人类医生的平均水平,已然被这个深度学习模型所超越。

给医生挑错,AI“批卷”能力强

最后,吴恩达团队还在论文里给出了两个12类型判断结果的混淆矩阵。

在这个研究中,是以一群心脏病专家组成的委员会判断的心率做为标准答案的。

先来看人类医生的判断和标准答案对比。

这个混淆矩阵中,横向是人类医生的平均水平,纵向是标准答案。

我们可以看出,第一列心房颤动(atrial fibrillation)和第八列窦性心律(sinus rhythm)的结果中,许多判断是不准的。

下面再看AI的判断和标准答案对比。

在这个混淆矩阵中,横向是AI的预测,纵向是标准答案。

两个混淆矩阵图对比一下,我们会发现,AI的判断结果图中左上-右下方向的蓝色鸽子颜色更深,其他部分的格子颜色更浅。

换句话说,AI判断正确的概率,要远高于人类医生判断的准确率。

不难得见,如果这个AI能进一步商用,可以承担帮医生“对答案”的工作,只要一个计算机程序,就可以起到接近专家会诊的效果,比医生自己单打独斗诊断出的病情准确多了。

四个共同一作介绍

这项研究的作者们来自美国AI界和医疗界的多个机构,包括斯坦福计算机系和医学院、iRhythm公司、UC旧金山医学院以及部分政府医疗机构。

四位共同一作中,有两位是吴恩达的学生。

一位是Awni Hannun,刚刚过去的2018年从斯坦福博士毕业。他不仅是吴恩达的学生,甚至还算吴恩达同事,因为他也曾在百度从事过两年AI研究工作,参与百度语音识别系统DeepSpeech的研发工作。

另一位吴恩达的学生是Pranav Rajpurkar,这位小哥可是歌红人不红,他的代表作正是机器阅读理解领域的标杆SQuAD数据集

师从吴恩达期间,这位小哥一直在研究AI医学相关的项目,除了这个心律失常的诊断项目,他还做过CheXNet肺炎检测、MURA骨骼X光片、CheXNeXt胸部X光片深度学习、MRNet膝关节深度学习等许多项目。

这位共同一作名叫Masoumeh Haghpanahi,和吴恩达团队合作的那个iRhythm公司的机器学习科学家,马里兰大学帕克分校的电子与计算机工程博士,做过许多健康检测方面的研究。

还有一位共同一作,Geoff Tison,AI医疗专家,UC旧金山医学院的助理教授,约翰霍普金斯大学医学博士。

传送门

Nature论文 Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network 作者:Awni Y. Hannun, Pranav Rajpurkar, Masoumeh Haghpanahi, Geoffrey H. Tison, Codie Bourn, Mintu P. Turakhia & Andrew Y. Ng https://www.nature.com/articles/s41591-018-0268-3

数据集 https://irhythm.github.io/cardiol_test_set/

斯坦福项目介绍网页 https://stanfordmlgroup.github.io/projects/ecg2/

此前的论文 Cardiologist-Level Arrhythmia Detection with Convolutional Neural Network 作者:Pranav Rajpurkar, Awni Y. Hannun, Masoumeh Haghpanahi, Codie Bourn , Andrew Y. Ng https://arxiv.org/pdf/1707.01836.pdf

One More Thing

其实,在同一期Nature Medicine上,刊登了三项AI医学相关研究。

除了吴恩达团队的这篇心电图的研究之外,还有:

Mayo study的AI心脏病检测器 https://www.eurekalert.org/pub_releases/2019-01/mc-msu010319.php

以及

Face2Gene AI看脸诊病 https://www.nature.com/articles/d41586-019-00027-x

感觉本期Nature Medicine已被AI包场,欢迎大家进一步了解~

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2019-01-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券