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~

— 完 —