雷锋网按：这篇文章的作者是Wilson W. Good和Brian Zenger。Wilson W. Good是一名博士生研究员，同时任职于SCI和CVRTI（诺拉·艾克尔斯心血管研究和培训中心）。Brian Zenger则是SCI、CVRTI和犹他大学心血管疾病学院的一名医学博士/博士研究生。

　　一天，你正像往常一样在家里工作，忽然一阵疼痛袭来。雷竞技平台你的胸口开始抽痛，左臂也开始疼痛。你毫不犹豫地冲向医院，担心自己最害怕的事情发生——你的心脏病发作了。刚到医院，医生、护士和其他医务人员就开始紧锣密鼓地检查、探测和刺激你身体的每一个部位。检查和测试令你目不暇接，医务人员大声叫嚷，指挥新的检查项目和其他团队成员。急诊医生盯着你床边的监视器仔细观察，却对检查结果一头雾水。于是，他们只好向心脏病专家请教，只不过这位心脏病专家是一台电脑，而不是一个人。

　　在美国，每天都有2000多人心脏病发作，其中超过400人没有得到及时的救治。当物质堵塞向心脏供血的动脉时，心脏病就会发生。缺少血液，心脏就无法获得必要的营养维持正常运转，它开始慢慢衰竭。病人等待治疗的时间越长，疾病就越有可能对心脏造成无法挽回的伤害。尽管过去一个世纪，研究人员在心脏病的检测方面取得了许多进展，但其原理和一个世纪前并无二致。迄今为止，医生们仍在使用和20世纪初一样的心电图来监测心脏的电活动。根据心脏病的不同发作部位和严重程度，心电图的某些区域会产生变化。但这种变化是非常细微的，不够可靠，而且只包括了心脏全部电信号中的一小部分。

　　研究人员在心电图中运用了许多不同的信号处理方法，和其他复杂的数学运算。但这些并不足以抵消不同个体心脏间的差异。

　　就像指纹一样，每个人心脏的形状和跳动的强度都有所不同，因此产生的静式心电图也是独一无二的。更不用说，心脏和身体表面的记录装置之间的空间，随着体重、性别和体型不同而产生的巨大差异。这些导致自动化系统难以预测你独特的心脏在特定时间点发生了哪些变化。因此我们需要一个新的系统，这个系统要能够根据你独特的心脏形状和信号判断你是否患有心脏病。

　　雷锋网注：上图中，不同颜色代表某个时间点分布在身体表面的心电电压值。其中，左边展示的是健康状态下的体表电压；右边展示了患心脏病时的体表电压。右边躯干表面的红圈则对应了临床医生通常诊断心脏病时寻找的标志。

　　为了改善心电图测量技术，我们团队利用了计算机科学领域的最新成果来“教”计算机如何读取心脏电信号。结合了机器学习之后，心电图能向我们展示的有关心脏的信息，比以往任何时候都要多。

　　机器学习是研究人员用来教计算机识别数据集中独特特征的一种技术，它识别的这些特征是肉眼难以分辨的。研究人员为计算机提供了多套不同特征的分类数据，然后让它学习到底是哪些特征把这些数据划分成了不同的类别。计算机检测到的特征往往是微妙和复杂的，人类难以区分。一旦计算机知道了哪些特性对应着不同的类别，它就能用这些知识对新的数据集进行分类。

　　犹他大学的科学计算与成像研究所（简称SCI）是生物医学计算和可视化领域的领军者。SCI研究所有17名全职教师和大约200名学生、程序员和员工，其中一些还隶属于生物工程、计算、数学和物理系。SCI研究所的首要研究目标是创建新的科学计算技术、工具和系统，以解决生物医学、科学和工程方面的重要问题。SCI研究所还被评为“英伟达GPU卓越中心”，它致力于用现代计算的强大力量和多样性来推动各个领域的发展和进步。

　　我们用机器学习来检测能第一时间预测心脏病的心脏信号变化。我们的方法是把来自心脏的电信号分离出来，模拟心脏病发作，并检查模拟前、模拟中和模拟后的电信号变化。然后让计算机读取这些信号，将它们分成“有心脏病”和“没有心脏病”两个类别。和人类观察者相比，计算机诊断心脏病的速度提高了10%，准确率也提高了32%。机器学习算法发现的每一个额外的信号都有可能避免误诊。

　　使用机器学习帮助医生诊断心脏病，正在推动心脏病学领域的发展。医生和医护人员很快就能有更好的工具来检测和治疗心脏病了，这可是生活中最可怕的疾病之一。这一工具甚至还能帮助那些因为基因或环境因素，具有心脏病高发风险的人群。这项研究或许能为医务人员了解和诊断心脏病提供一种新的途径，甚至让心脏病导致的死亡成为历史。

　　如果你曾经因为胸口疼痛去看过医生，不妨留意一下他的助手是谁，很有可能只是一台电脑。