肺栓塞是危险的，肺阻塞会产生血块。在一项初步研究中，西奈山伊坎医学院(Icahn School of Medicine at Mount Sinai)的科学家首次表明，人工智能(AI)算法可以从心电图(EKGs)中检测出这些血块的迹象，这一发现可能在未来帮助医生进行筛查。

发表在《欧洲心脏杂志-数字健康》上的研究结果表明，新的机器学习算法，旨在利用心电图和电子健康记录(EHR)数据的结合，在确定中度至高危患者是否真的有肺栓塞方面，可能比目前使用的筛查试验更有效。

该研究由医学博士Sulaiman S. Somani领导，他曾是Benjamin S. Glicksberg博士实验室的医科学生，遗传学和基因组科学助理教授，也是西奈山Hasso Plattner数字健康研究所的成员。

肺栓塞发生在深静脉血栓，通常形成在腿部或手臂，脱离和阻塞肺动脉。这些血块可能是致命的或导致长期肺部损伤。尽管一些患者可能会出现呼吸短促或胸痛，但这些症状也可能预示着与血块无关的其他问题，使医生难以正确诊断和治疗病例。此外，目前的官方诊断依赖于ct肺血管造影(ctpa)，这是一种耗时的胸部扫描，只能在特定的医院进行，并要求患者暴露在潜在危险水平的辐射中。

为了使诊断更容易、更容易，研究人员花了20多年时间开发先进的计算机程序或算法，旨在帮助医生确定有风险的患者是否真的患有肺栓塞。结果喜忧参半。例如，使用电子病历的算法在准确检测血块方面产生了很大的成功率，而且可能是劳动密集型的。与此同时，更准确的数据在很大程度上依赖于ctpa的数据。

在这项研究中，研究人员发现，基于EKG和EHR数据的融合算法可能是一种有效的替代方法，因为心电图广泛使用，而且相对容易管理。

研究人员根据西奈山医疗系统(Mount Sinai Health System)的21,183名患者的数据创建并测试了各种算法，这些患者显示出中度至高度可疑的肺栓塞迹象。虽然有些算法被设计成使用心电图数据来筛查肺栓塞，但其他算法被设计成使用EHR数据。在每种情况下，算法学会了通过比较心电图或EHR数据与ctpa的相应结果来识别肺栓塞病例。最后，将最优EKG算法与最优EHR算法相结合，建立融合算法。

结果表明，融合模型不仅优于其父算法，而且在识别特定肺栓塞病例方面也优于威尔斯标准修订日内瓦评分(Wells ' Criteria Revised Geneva Score)和其他三种目前使用的筛选测试。研究人员估计，融合模型在准确筛选急性栓塞病例方面的有效性提高了15%到30%，而且该模型在预测最严重病例方面表现最好。此外，融合模型的准确性保持一致，无论种族或性别作为一个因素测试，这表明它可能是有用的筛选多种患者。

根据作者的说法，这些结果支持了心电图数据可以有效地纳入新的肺栓塞筛查算法的理论。他们计划进一步开发和测试这些算法在临床中的潜在效用。