人工智慧自動診斷是否存在心律不齊的現象

近期，百度前首席科學家吳恩達博士也進軍了AI醫療領域，在斯坦福大學與研究團隊一起訓練了一個用來甄別心電圖數據中各種不規則心跳的機器學習演算法，用AI機器醫生通過心電圖來判斷患者是否存在心律不齊的現象。

這一可自動作出診斷的新方法對於日常醫療意義重大，它可以幫助人們對可能致死的心律不齊的癥狀做出更好的判斷，防患於未然。此外，它還能夠在醫療資源較為匱乏的地區提供良好的醫護服務。

與此同時，在深圳也有一家創業公司，和吳博士一道，走在了領域的前沿：

深圳歐德蒙科技有限公司日前發布了一款通過AI技術自動診斷心電的產品——迅智H1心電帶，目前已經進入市場並獲得了不錯的反響。迅智H1心電帶具備動態心電監測和分析的功能，採集用戶single-lead ECG信號，結合雲端的自動診斷模型來辨別心律失常事件。目前能分析診斷出常竇性心律、室性早搏、室上性早搏、房室傳導阻滯、室性心動過速、室性二聯律、室性三聯律、室上性二聯律、室上性三聯律、心動過速、心動過緩等多種類型的心電波形，並能記錄HRV高低頻、pnn50、rMMSD等專業詳細指標。

AI心電圖自動診斷演算法意義重大

心律失常會導致心肌梗塞、心力衰竭等疾病，但由於部分心律失常事件發作時的心電才能檢測出異常，並且信號難以捕捉，患者不得不連續長期佩戴holter來保障健康安全;並且心率不穩的情況下，會對醫生的診療方式判斷造成影響，例如：二度房室傳導阻滯的兩種形式的心律失常，心電波形看起來非常相似，但一種不需要治療，另外一種則需要立即治療。

AI心電圖自動診斷演算法可以更有效地識別判斷心律失常事件，效果甚至已經超過了人類專家，有效預防避免由於心臟問題帶來的損傷甚至死亡，對人類現代醫療的意義重大，吳恩達博士認為這是深度學習提高患者健康質量的好機會，能幫助醫生節省出大量的時間。

歐德蒙自2014年成立至今，致力於通過健康智能硬體建立流量入口，持續監測用戶健康數據並彙集到核心的人工智慧數據平台，通過不斷的積累數據，就像一個「機器醫生」，不間斷地對海量醫療數據、醫學工具書、醫學雜誌、臨床診斷手冊、醫療電子記錄等數據進行深度學習訓練，更精準地識別出更多病症。

作為一家健康物聯網產業鏈企業，歐德蒙擁有獨立的硬體研發與生產、供應鏈把控、專業的健康醫療演算法研發、配套軟體服務的提供、用戶運營以及後端增值服務對接的全棧式服務能力，使得產品能夠快速落地，並迅速複製。這在健康物聯網產業領域並不多見。

優質的數據成為最重要的壁壘

機器學習的關鍵在於從海量數據中獲取規則和知識，正在帶領團隊利用人工智慧診斷癌症項目的MIT教授Regina Barzilay表示，制約AI在醫療領域發展和應用的重要問題在於優秀疾病數據的匱乏，如果沒有可靠的臨床數據診斷只能停留在猜測階段。吳恩達博士的團隊目前也在與iRhythm合作，結合海量的心律失常的患者數據，對演算法模型進行更深度的訓練。

而歐德蒙的海量的數據入口為競爭壁壘的不斷提高奠定了基礎。一方面，歐德蒙通過自己的硬體產品及提供給第三方的API的形式，搭建大量的數據入口。當前，歐德蒙已接入200餘萬用戶，硬體單月出貨量10萬件，預測2年內可積累千萬級的用戶規模，源源不斷獲取數據，並通過與醫生合作進行標註及引導用戶自建標籤的形式，積累用於訓練模型的數據;另一方面，公司通過參與國家醫療科研項目、與政府與醫院合作的形式，從知名醫療機構中獲取了數百萬份結構化、標籤化、電子化的臨床診斷數據，用以訓練和驗證智能分析模型。隨著數據的不斷積累，積木雲的演算法和模型會不斷得到加強，形成日益提高的競爭壁壘。

除了軟體和演算法的優化，硬體上歐德蒙也在不斷地尋求創新。歐德蒙近日成功研製了一款心電血壓手環，將心電的測量位置從胸部擴展到了腕部，並結合心電和血壓數據，通過計算脈搏波傳導時間(PWTT)，讓腕式血壓數據更具可靠性。血壓心電手環將在未來兩個月內推向市場，屆時將是對歐德蒙硬體+模型+數據優勢的進一步加強。

相信在全球科技工作者的共同努力下，人工智慧在醫療行業將會得到更深層的發展和應用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！