使用新的人工智能驱动的神经网络，医生可以100%准确地检测单次心跳引起的心力衰竭。

这是根据最近发表在“生物医学信号处理和控制期刊”上的一项研究，该研究探讨了新兴技术如何改进现有的检测充血性心力衰竭的方法。

在萨里大学，沃里克大学和佛罗伦萨大学的研究人员的带领下，它表明AI可以通过分析一个心电图(ECG)心跳来快速准确地识别CHF。

CHF是一种慢性进行性疾病，影响血液泵入体内的方式。研究表明，仅在美国就有大约500万人与之共存。

研究人员声称临床从业者和卫生系统“迫切需要有效的检测过程”，因为“高流行率，显着的死亡率和持续的医疗成本”。

他们相信这些问题可以通过使用卷积神经网络(CNN)来解决，这对于识别数据中的模式和结构更有效。

与通常耗时且不准确的现有方法不同，它们的模型将先进的信号处理和机器学习工具结合在原始ECG信号上，以显着提高检测率。

博士塞巴斯马萨罗，联想在萨里大学组织神经科学教授说：“首先，通过直接评估心电图，我们确认与AI，可以准确地检测CHF寻找超越心脏心率变异性分析。因此，我们在一般。结果更能贴近受影响的心脏的真实行为。“

在实验的另一部分中，使用特定的CNN模型来提高CHF检测的准确性，同时考虑可比较的模型。

“我们专注于从一个单一的心跳检测病理学，在5分钟的摘录中，而不是在24小时的录音中，”马萨罗说。

“这方面为快速干预的前景提供了宝贵的潜力;尽管如此，记住我们现在只谈论严重的CHF患者也很重要。“

展望未来，Massaro希望将这种方法扩展到大规模样品和其他类型的CHF，以便最终在日常医疗保健系统和实践中实施该技术。