与智能工具相结合，这些工具正在重塑医学诊断。借助现代计算的力量，这些算法能够查看医学影像数据，发现临床医生看不到的人体状况中细微但关键的变化，从而开辟了一些令人兴奋的可能性。这可能意味着在CT扫描中发现漏诊的癌症，或者在医生看到阿尔茨海默氏症迹象之前的几年就检测出阿尔茨海默氏症的迹象。这项新研究遵循了类似的路径，尽管侧重于不同的机制，随后的研究还使用人工智能来分析心电图结果如何帮助医生通过识别左心室功能障碍来识别心力衰竭风险最高的患者。医生使用肺部的X射线图像来评估有心力衰竭风险的患者体内积液、病情的严重程度（称为“肺水肿”），然后决定治疗过程。问题是，这些评估通常基于非常微妙的特征，以至于可能导致不一致的诊断和治疗选择。为了将机器学习应用到桌面上，该团队在超过300,000张X射线图像和放射科医生撰写的相应报告上对其算法进行了训练。这涉及制定特定的语言规则，以确保对大量样本的数据进行一致的分析。“我们的模型可以将图像和文本转化为紧凑的数字抽象，从中可以得出解释，”该论文的共同主要作者GeetickaChauhan说。“我们对其进行了训练，以最大限度地减少X射线图像和放射学报告文本之间的代表性差异，并使用这些报告来改进图像解释。”研究表明，一种新的机器学习算法能够应对严重的肺水肿病例。进行高精度分类。在对其进行测试时，该团队让机器学习算法分析了一张X射线图像，并将水肿的严重程度从0（健康）到3（非常、非常严重）的等级进行分类。该算法能够在超过一半的时间内诊断出正确的水肿程度，但更令人印象深刻的是，它能够在90%的时间内准确诊断出3级病例。研究人员希望该工具能够帮助医生更好地管理心脏问题，而水肿与从败血症到肾衰竭的一系列疾病有关，因此该算法的潜力可能更广泛。研究人员目前正致力于在未来几个月将该工具集成到波士顿医疗中心急诊室的工作流程中。
