【Lancet子刊】美国斯克利普斯研究所：大型语言模型改变心血管医学的潜力

2024年8月29日，美国斯克利普斯研究转化研究所Eric J Topol团队在期刊《Digital 》上发表了题为“The potential for large language models to transform cardiovascular medicine”的研究论文。随着transformer模型、多模态AI和大型语言模型的发展，将电子健康记录数据与图像、基因组学、生物传感器和其他数据集成的能力，有望改善医疗诊断和对一级预防策略高风险的患者进行分区。人工智能不仅能够为临床医生提供支持，它还可以为患者服务，并提供即时帮助。例如，心律失常的诊断。在临床实践之前，科学界应解决潜在的风险。例如，数据隐私丢失或潜在的诊断错误。

https://www.thelancet.com/journals/landig/article/PIIS2589-7500(24)00151-1/fulltext

单峰监督人工智能模型

 01 

心血管疾病患者人数的增加，凸显了对早期发现这些疾病的新解决方案的迫切需求。通过对单模任务（即使用单一类型的数据模态）进行监督学习（即，从带注释的训练集中学习），从数十万个带注释的轨迹输入到深度神经网络（DNN）中，12导联心电图（ECG）中编码的信息，已被证明远远超过经验丰富的心脏病专家所能检测到的信息。这些DNN可以分析12导联心电图，用于心脏淀粉样变性的早期检测，心脏淀粉样变性通常直到晚期才具有特异性。为了分析这些连续数据，可以采用两种DNN亚型：递归神经网络（RNN）和长短期记忆网络（LSTM）。使用该技术进行心电图分析的其他应用，包括评估多非利特血浆浓度、心脏收缩功能障碍的筛查、左侧心脏瓣膜病和肺毛细血管楔压。使用DNN从12导联心电图中估计左心室射血分数，已在临床试验中得到证实。DNN现在可以有效地检测心律异常，通过查看动态监测设备记录的单导联心电图，来区分12种心律类别。DNN还可以通过12导联心电图，预测无病史人群未来发生心房颤动的情况。除了心血管检查外，它还可以从心电图中检测到贫血、糖尿病前期、2型糖尿病、肾脏疾病和甲状腺疾病。

医生还可以通过应用于临床图像的DNN，来收集对心血管状态的见解。视网膜眼底图像的分析，可以提供许多与心脏病相关的临床信息，用于估计心血管的危险因素，如年龄、性别、吸烟状况、收缩压、冠状动脉钙化评分、左心室质量、舒张末期容积，以及预测心肌梗死和中风的风险。DNN的灵活性，使其能够应用于许多不同类型的检查，包括胸片检查，用于估计心脏功能、瓣膜病和超声心动图。一项盲法、随机、非劣效性试验表明，人工智能（AI）指导的工作流程，还可以为超声医师和心脏病专家，节省评估左心室射血分数的时间。尽管单峰DNN非常强大，但它们仅限于每个模型的一种特定类型的数据；因此，需要大量完全注释的输入，这些输入在训练阶段用于模型学习执行特定的临床任务，例如检测或预测特定病症。这些数据的可用性有限，需要训练有素的临床医生花费时间进行适当管理，这是在将单峰DNN实施到临床之前，开发和测试的主要限制。

多模态基础模型

 02 

经过严格的临床验证，LLM有望预测患者的心血管风险，整合多模式输入，包括电子健康记录、多基因风险评分、可穿戴生物传感器数据、健康的社会决定因素，以及患者的环境数据。例如，暴露于空气污染和塑料。在心律失常病例中，LLM有助于识别哪些个体会或不会从植入式心律转复除颤器（ICD）的部署中受益，以防止心源性猝死。这种手术成本高昂，目前仅对5-10%的植入ICD的个体有益，其会增加90-95%的并发症风险。此外，大量心源性猝死高风险人群将从ICD中受益，但目前尚未确定这些人的身份。

单模和多模态AI

迈向心血管患者的对话式AI

 03 

患者每天以交互方式，使用基于LLM的聊天机器人，来询问医疗问题或帮助解释他们的数据。尽管以这种方式使用LLM可以为患者带来更多赋权，但个性化体验需要使用及时工程（即，将一组预编程的说明集成到LLM中，该指令可以设置讨论的上下文和基调，同时限制LLM的答案，以避免向患者提供不正确和有害的信息）。个性化也允许在与患者对话时，促进同理心。然而，还需要对在这种情况下使用LLM的净收益，进行前瞻性、系统性评估。

研究结论

 03 

LLM和多模态AI有望将心脏病专家从重复和单调的任务中解放出来，例如手动数据输入、综合和整合患者的所有可用数据、提高诊断准确性，以及制定循证治疗计划，从而改变心血管医学。通过LLM指导临床医生，来改善沟通和促进同理心，是AI在心血管医学中的另一种应用可能性。此外，为患者提供算法支持，以解释他们的数据，并且提供对话式AI，以回答他们的医疗问题，将会赋予患者更多的权力。然而，在将这些技术实施到临床实践之前，应确定一种新的监管途径，来发挥其潜力，并且需要大型前瞻性试验，来提供令人信服的证据，以证明其益处大于潜在风险。

参考资料：

1.Martin, SS ∙ Aday, AW ∙ Almarzooq, ZI ∙ et al.

2024 heart disease and stroke statistics: a report of US and global data from the American Heart Association

Circulation. 2024; 149:e347-e913

2.Goto, S ∙ Mahara, K ∙ Beussink-Nelson, L ∙ et al.

Artificial intelligence-enabled fully automated detection of cardiac amyloidosis using electrocardiograms and echocardiograms

Nat Commun. 2021; 12, 2726