(资料图片仅供参考)

每年，美国大约八分之一的亡至少部分是由心力衰竭引起的。急性心力衰竭最常见的告信号之一是肺部液体过多，这种情况称为肺水肿。

患者体内多余液体的确切水平通常决定了医生的行动方案，但做出这样的决定很困难，并且需要临床医生依赖 X 射线的微妙特征，这有时会导致诊断和治疗计划不一致。

为了更好地处理这种细微差别，由麻省理工学院计算机科学和人工智能实验室 (CSAIL) 的研究人员领导的一个小组开发了一种机器学习模型，可以通过观察 X 射线来量化水肿的严重程度，包括四个方面：等级范围从 0(健康)到 3(非常非常糟糕)。该系统在一半以上的时间里确定了正确的级别，并在 90% 的时间内正确诊断了 3 级病例。

该团队与贝斯以色列女执事医疗中心 (BIDMC) 和飞利浦合作，计划于今年秋天将该模型集成到 BIDMC 的急诊室工作流程中。

“这个项目旨在通过提供额外的信息来增强医生的工作流程，这些信息可用于告知他们的诊断以及进行回顾性分析，”博士说。学生廖睿智(Ruizhi Liao)，他与博士生共同发表了一篇相关论文。学生 Geeticka Chauhan 和麻省理工学院教授 Polina Golland 和 Peter Szolovits。

研究小组表示，更好的水肿诊断不仅可以帮助医生治疗急性心脏问题，还可以帮助治疗与水肿密切相关的败血症和肾衰竭等其他疾病。