胸部X光是世界上最经常进行的放射学检查，也是卫生专业人员诊断肺部和心脏疾病的常见方法。但是，虽然它们快速且容易执行，但X光是一种静态图像，无法提供有关心脏如何运作的信息。为此，你需要进行超声心动图检查。
超声心动图--通常称为"回声"--评估心脏的泵送效率如何，以及心室之间的瓣膜是否漏气或病变。如果心脏瓣膜发生病变，心脏就不能有效地泵血，不得不更加努力工作，这可能导致心脏衰竭或心脏骤停和死亡。然而，超声心动图需要一个具有专业技能的技术人员。
现在，来自大阪市立大学的研究人员招募了一个深度学习的人工智能模型，将简陋的胸部X光检查转变为一个更详细的诊断工具。
深度学习是人工智能（AI）使用的一个过程，教计算机以模仿人脑的方式处理数据。该模型可以识别
图片、文本、声音和其他数据中的复杂模式，从而产生准确的洞察力和预测。
研究人员用2013年至2021年期间从四个机构的16946名患者那里获得的与22551张超声心动图相关的胸部X光片来训练深度学习模型。他们使用了来自多个机构的数据，以减少人工智能产生偏颇结果的风险。
X光片被设定为输入数据，超声心动图被设定为输出数据，模型被训练为学习连接两个数据集的特征。在测试他们的深度学习模型时，研究人员发现，它可以精确地将六种类型的瓣膜性心脏病分类。曲线下面积（AUC）--表示人工智能模型区分类别的能力的评分指数--在0.83至0.92之间。AUC的数值范围从0到1；越接近1越好。
研究人员说，他们的新型人工智能方法可以补充超声心动图，特别是在需要快速诊断或技术人员短缺的时候。
"我们花了很长时间才得到这些结果，但我相信这是一项重要的研究，"该研究的主要作者Daiju Ueda说。"除了提高医生的诊断效率外，该系统还可能用于没有专家的地区，用于夜间急诊，以及用于难以接受超声心动图的病人。"
该研究发表在《柳叶刀数字健康》杂志上。
