冠心病是全世界成人亡的主要原因。在许多情况下，量化左心室射血分数 (LVEF)(或左心室每次收缩时泵出的血液量)对于优化决策和治疗决策至关重要，特别是对于心脏病发作或不稳定心绞痛等急性冠状动脉综合征。

到目前为止，量化 LVEF 需要使用导管进行侵入性测试，这有其自身的风险，这对于已经出现心脏病和中风问题的患者来说并不理想。但在人工智能和加州大学旧金山分校心脏病学家杰夫·蒂森(医学博士、公共卫生硕士)和罗伯特·阿夫拉姆(医学博士，前加州大学旧金山分校研究员，现供职于蒙特利尔心脏研究所)的研究的帮助下，这种情况可能即将改变。

您使用人工智能来分析个别患者的心脏泵血量是否准确?

嗯，是的，也不是。我们最近发表在《JAMA Cardiology》上的研究使用了深度神经网络(一种名为 CathEF 的人工智能算法)，通过标准血管造影视频(可视化血管内部(尤其是动脉)的 X 射线图像)来预测心脏泵出的血液量、静脉和心室——目的是获得对危急情况下可能的患者治疗的新见解。

需要明确的是，这是测试该方法可行性的研究。我们没有用它来影响患者的治疗。

人工智能如何预测心脏泵血量?

我们为它提供了 4,000 多名患者的冠状动脉造影照片以及相应的经胸超声心动图(或 3,600 名患者的冠状动脉超声检查)。血管造影和超声心动图是几乎所有心脏病相关决策的标准诊断评估，从药物治疗到冠状动脉搭桥手术，因此几乎每个患有心脏和中风问题的人都做过这些检查。