一份新的报告称，人工智能有可能改变心血管护理的许多方面，但不是马上。

根据美国心脏协会的科学声明，现有的人工智能和机器学习数字工具很有前途。这些工具已经显示出它们可以帮助筛查患者，并指导研究人员开发新的治疗方法。该报告发表在《循环》杂志上。

但是，作者说，研究还没有表明基于人工智能的工具能改善护理，不足以证明它们的广泛使用是合理的。

声明撰写委员会负责人安东尼斯·阿蒙达斯博士在一份新闻稿中表示:“迫切需要制定计划，加快人工智能/机器学习工具背后的科学教育，从而加快采用和创造可管理的、具有成本效益的自动化流程。”他是波士顿马萨诸塞州总医院心血管研究中心的首席研究员。

“我们需要更多基于人工智能/机器学习的精准医疗工具，以帮助解决医学中未被满足的核心需求，这些需求随后可以在强有力的临床试验中进行测试，”阿蒙达斯说，他也是哈佛医学院的医学副教授。

该报告是美国心脏协会关于人工智能的第一份科学声明。它着眼于心血管医学中人工智能和机器学习的研究现状，并提出了安全、有效、广泛使用人工智能和机器学习可能需要的条件。

阿蒙达斯说:“在这里，我们展示了最先进的技术，包括有关特定人工智能用途的最新科学——从成像和可穿戴设备到心电图和遗传学。”

人工智能可以分析数据并做出预测，通常是针对狭义任务。机器学习使用数学模型和算法来检测大型数据集中的模式，这些模式对人类观察者来说可能并不明显。深度学习是机器学习的一个子领域，用于图像识别和解释。

研究人员已经使用这些技术来分析电子健康记录，以比较测试和治疗的有效性，最近还创建了为护理决策提供信息的模型。

该报告指出，数字工具可以通过几种方式帮助心血管患者。

例如，成像对于诊断心脏病发作和中风很重要。人工智能和机器学习工具可以解决人类解释中的不一致，减轻专家的负担。

人工智能通过识别人类专家可能看不到的细微结果，帮助实现了心电图分析的自动化。心电图可以测量心脏的电活动。

随着可植入和可穿戴技术提供稳定的健康信息流，人工智能可以帮助远程监控患者，并在出现问题时发现问题。

但报告也指出了许多挑战和限制。

以成像为例，广泛使用人工智能和机器学习来解释测试是具有挑战性的，因为可供研究的数据有限。研究人员还需要证明人工智能技术在每个将被使用的领域都是有效的。

在可植入和可穿戴技术方面，研究差距包括如何确定哪些患者和病症最适合人工智能和机器学习支持的远程监控。其他问题包括如何解决成本效益、隐私、安全和公平获取等问题。

报告说，更广泛地说，关于如何组织和共享信息的协议至关重要，潜在的道德、法律和监管问题需要解决。

虽然人工智能算法提高了解释基因变异和异常的能力，但写作委员会警告说，人工智能算法存在局限性。委员会写道，这样的算法仍然需要对容易出错和不准确的人为数据进行培训。