近日，麻省理工学院的一个团队创造了一个名为RiskCardio的系统。

这项技术是为急性冠状动脉综合征(ACS)患者研制的，ACS包括一系列流向心脏的血液突然减少的症状。

RiskCardio只需要病人15分钟的“原始心电图(ECG)信号”就可以工作，该信号会记录下病人心脏的节律和电活动。

然后，它提取心电图数据样本，将特定的病人归类为“风险类别”。随后人工智能会预测病人是否会在未来30天到一年内死亡。

科学家们相信RiskCardio可以帮助医生根据ACS患者的死亡风险快速评估最佳治疗方案。

研究报告的第一作者迪威亚(Divya Shanmugam)说：“我们正在研究如何将非常长的时间序列纳入风险评分的数据问题，以及我们如何帮助医生识别急性冠状动脉事件后高风险患者的临床问题。”

“机器学习和医疗保健的交集充满了这样的组合——一个具有潜在现实影响的引人注目的计算机科学问题。”

ACS可以指心脏病发作或心绞痛。统计数据显示，在美国和英国，像这样的心血管事件导致了四分之一的死亡。

RiskCardio的工作原理是将病人的心电信号分成连续的几组，科学家说。

相邻节拍之间的变化表明存在风险。

它是由对过去ACS患者的研究数据进行“训练”的。

为了让这项技术投入使用，研究小组首先将这些病人的每个信号分离成一系列相邻的心跳街拍信号。每组节拍都有一个“标签”，表明病人是否死亡。

然后，科学家们训练了这项技术，将死亡病人的心跳归为“危险”，幸存病人的心跳归为“正常”。

当面对一个新病人时，RiskCardio通过观察他们的心跳与过去研究中病人的比较情况来给出一个风险评分。

科学家们写道:“该工具仅使用患者原始心电图信号的前15分钟，就能生成一个评分，将患者分为不同的风险类别。”

RiskCardio对1250名ACS患者进行了测试。它预测其中28名患者将在一年内死亡。目前还不清楚这种估计有多准确。

在这个人工智能系统的结果中，“高风险”患者的死亡率是那些被认为风险较低的患者的7倍。

与“最常见的现有风险指标”相比较，后者的结果表明高风险患者的死亡率是低风险患者的三倍。

研究人员认为，RiskCardio可以帮助医生迅速评估ACS患者在到达医院后的最佳治疗方案。

他们说，目前医生必须“使用医疗数据和漫长的测试”来估计病人的死亡风险，然后选择最佳治疗方案。

Shanmugam说:“机器学习在识别模式方面尤其擅长，这与评估病人的风险密切相关。风险评分对于沟通病人的状况很有用，这对做出有效的护理决策很有价值。”

RiskCardio也只需要患者的心电图数据，不需要年龄或体重等信息。

未来，科学家们希望通过添加不同年龄、种族和性别的信息，让这项技术“更具兼容性”。