https://www.toutiao.com/a6645186183078871560/

吳恩達團隊又在AI醫療方面取得了革命性突破，搞定了心律失常診斷。

只要讓AI輸入心率資料，就可以判斷出你是否心律失常、具體是哪一種情況。

而且，準確度高達 83.7% ，超過了人類心臟病醫生的 78.0% 。

這項研究被發表在了最新的一期Nature Medicine上。

如何讓AI學會診斷心律失常

整體的研究，基於吳恩達團隊在2017年的一篇已經發在Arxiv上的論文（文末有地址）。

診斷依據是患者的心電圖。心電圖資料來自於一家名叫 iRhythm 的公司，他們的產品Zio可以固定在人的胸前，像一個移動的聽診器一樣，24小時聽著患者的心跳並記錄下來。

記錄下來的心電圖經由專家標註，分成12種不同情況，包括10種心律失常，還有竇性心律（這個不失常）以及噪音。

其中，訓練集來自53549名病人的91232份心電圖記錄，每份記錄大約在10.6天~13天的長度，患者年齡在69±16歲，其中43%為女性。

測試集則是328位病人每人一份心電圖資料，這些病人的年齡在70±17歲，其中38%為女性。

拿到這些資料集，就可以訓練深度神經網路（DNN），具體結構如下：

整個神經網路包含33個卷積層，以線性輸出層結尾。

向神經網路中輸入心電圖資料，它就可以將其拆分成每個時長1.28秒的資料樣本，判斷每個1.28秒屬於12種心率（及噪音）中的哪一種。

整體表現超越人類醫生

F1分數比較，在12個種類裡，AI的表現都超過了人類醫生的平均水平。

並且，針對每一種心率，AI的敏感性都要比人類醫生高，也就是說，診斷結果更為準確。

這是心房震顫的ROC曲線，紅十字是不同人類醫生的表現，綠點是人類醫生的平均水平，已然被這個深度學習模型所超越。

給醫生挑錯，AI“批卷”能力強

最後，吳恩達團隊還在論文裡給出了兩個12型別判斷結果的混淆矩陣。

在這個研究中，是以一群心臟病專家組成的委員會判斷的心率 做為 標準答案的。

先來看人類醫生的判斷和標準答案對比。

這個混淆矩陣中，橫向是人類醫生的平均水平，縱向是標準答案。

我們可以看出，第一列心房顫動（atrial fibrillation）和第八列竇性心律（sinus rhythm）的結果中，許多判斷是不準的。

下面再看AI的判斷和標準答案對比。

在這個混淆矩陣中，橫向是AI的預測，縱向是標準答案。

兩個混淆矩陣圖對比一下，我們會發現，AI的判斷結果圖中左上-右下方向的藍色鴿子顏色更深，其他部分的格子顏色更淺。

換句話說，AI判斷正確的概率，要遠高於人類醫生判斷的準確率。

不難得見，如果這個AI能進一步商用，可以承擔幫醫生“對答案”的工作，只要一個計算機程式，就可以起到接近專家會診的效果，比醫生自己單打獨鬥診斷出的病情準確多了。

四個共同一作介紹

這項研究的作者們來自美國AI界和醫療界的多個機構，包括史丹佛計算機系和醫學院、iRhythm公司、UC舊金山醫學院以及部分政府醫療機構。

四位共同一作中，有兩位是吳恩達的學生。

一位是Awni Hannun，剛剛過去的2018年從史丹佛博士畢業。他不僅是吳恩達的學生，甚至還算吳恩達同事，因為他也曾在百度從事過兩年AI研究工作，參與百度語音識別系統DeepSpeech的研發工作。

另一位吳恩達的學生是Pranav Rajpurkar，這位小哥可是歌紅人不紅，他的代表作正是機器閱讀理解領域的標杆 SQuAD資料集 。

師從吳恩達期間，這位小哥一直在研究AI醫學相關的專案，除了這個心律失常的診斷專案，他還做過CheXNet肺炎檢測、MURA骨骼X光片、CheXNeXt胸部X光片深度學習、MRNet膝關節深度學習等許多專案。

這位共同一作名叫Masoumeh Haghpanahi，和吳恩達團隊合作的那個iRhythm公司的機器學習科學家，馬里蘭大學帕克分校的電子與計算機工程博士，做過許多健康檢測方面的研究。

還有一位共同一作，Geoff Tison，AI醫療專家，UC舊金山醫學院的助理教授，約翰霍普金斯大學醫學博士。

傳送門

Nature論文

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

資料集

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

史丹佛專案介紹網頁

https://stanfordmlgroup.github.io/projects/ecg2/

此前的論文

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

其實，在同一期Nature Medicine上，刊登了三項AI醫學相關研究。

除了吳恩達團隊的這篇心電圖的研究之外，還有：

Mayo study的AI心臟病檢測器

https://www.eurekalert.org/pub_releases/2019-01/mc-msu010319.php

以及

Face2Gene AI看臉診病

https://www.nature.com/articles/d41586-019-00027-x

感覺本期Nature Medicine已被AI包場，歡迎大家進一步瞭解~

—  完  —

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/29829936/viewspace-2386095/，如需轉載，請註明出處，否則將追究法律責任。