心血管ヘルスケアにおける人工知能と機械学習

背景：このレビュー記事は、心血管ヘルスケアに関連する人工知能（AI）と機械学習（ML）の概要を説明します。 方法：ヘルスケアに関連するMLで使用される用語とアルゴリズムの概要は、著者によって提供されます。2019年8月1日までに発表された記事、心血管医学のAIおよびMLの分野では、これらのアプローチが将来臨床診療においてもたらす潜在的な役割の文脈においてレビューされ、配置されます。 結果：AIは、インテリジェントなタスクを実行するマシンの能力を指すより広範な用語であり、MLは、機械が独立して学習し、正確な予測を行う能力を指すAIのサブセットです。拡大する文献は、心血管ヘルスケアのMLを使用して公開されています。さらに、MLは、自動イメージング解釈、自然言語処理、電子健康記録からのデータ抽出、および予測分析の設定に適用されています。例には、胸部ロエントグラムの自動解釈、心電図、心エコー図、および血管造影が含まれます。MLによって評価された臨床ノートを使用した早期心不全の患者の特定。経皮的または外科的心血管手術後の死亡率または合併症の予測。 結論：心血管医学にはAIとMLに関する文献が拡大していますが、これらの分野が臨床診療で持つ未来はまだ舗装されていません。特に、自動化されたイメージング解釈、自動化されたデータ抽出と品質管理、および臨床リスク予測を提供する上で有望な役割がありますが、これらの手法ではさらなる改良と評価が必要です。

BACKGROUND: This review article provides an overview of artificial intelligence (AI) and machine learning (ML) as it relates to cardiovascular health care. METHODS: An overview of the terminology and algorithms used in ML as it relates to health care are provided by the author. Articles published up to August 1, 2019, in the field of AI and ML in cardiovascular medicine are also reviewed and placed in the context of the potential role these approaches will have in clinical practice in the future. RESULTS: AI is a broader term referring to the ability of machines to perform intelligent tasks, and ML is a subset of AI that refers to the ability of machines to learn independently and make accurate predictions. An expanding body of literature has been published using ML in cardiovascular health care. Moreover, ML has been applied in the settings of automated imaging interpretation, natural language processing and data extraction from electronic health records, and predictive analytics. Examples include automated interpretation of chest roentgenograms, electrocardiograms, echocardiograms, and angiography; identification of patients with early heart failure using clinical notes evaluated by ML; and predicting mortality or complications following percutaneous or surgical cardiovascular procedures. CONCLUSIONS: Although there is an expanding body of literature on AI and ML in cardiovascular medicine, the future these fields will have in clinical practice remains to be paved. In particular, there is a promising role in providing automated imaging interpretation, automated data extraction and quality control, and clinical risk prediction, although these techniques require further refinement and evaluation.