约翰·霍普金斯的研究人员最近从美国国家科学基金会获得了 195,000 美元的快速响应研究基金（Rapid Response Research grant），以通过机器学习来识别哪些 COVID-19 （新冠病毒疾病）患者具有心脏受损的高风险。
项目背景
越来越多的证据表明 COVID-19 对心血管系统有负面影响，使患者处于发生心力衰竭、持续异常心跳、心脏病发作、心源性休克和死亡等不良心脏事件的风险之中。
来自中国和意大利的数据显示，高达1/5的新冠患者出现了心脏损伤。心脏损伤已经成为新冠患者的重要死因。
我们迫切需要找到一种方法，来确定心脏损伤风险较高的COVID-19 患者，但目前医疗界尚不具备这样的预测能力。
项目详情
这是一项为期一年的研究项目。该项目的首席研究员是约翰·霍普金斯大学工程与医学学院生物医学工程系教授 Natalia Trayanova。
Natalia Trayanova 教授致力于将工程学方法带入临床领域，她因在人工智能方面的卓越研究入选美国国家发明家学会（National Academy of Inventors）。她的团队所开发的3D虚拟心脏模型，能辅助医生精确识别心脏病变区域，提高对患者心律失常的治疗成功率。
项目的第一阶段刚刚获得约翰·霍普金斯卫生系统（JHHS）内郊区医院和西布利纪念医院的 IRB 批准，研究人员将收集超过 300 例在JHHS住院的 COVID-19 患者的数据。这些数据包括 心电图、心脏特异性实验室检查、连续测定的生命体征（例如心率和血氧饱和度），以及CT 扫描、超声心动图等成像数据。这些数据将用来训练算法。
之后，研究人员将使用来自 JHHS 和附近其他医院（可能也包括位于纽约市的部分医院）的有心脏损害的 COVID-19 患者的数据对该算法进行测试。
研究团队希望能创建一个可预测风险的评分体系，该评分体系可提前 24 小时确定哪些患者有发生不良心脏事件的风险。
对于新患者，该模型将执行基线预测。该基线预测在每次获得新的健康数据时都会更新。
就我们所知，这将是第一个预测 COVID-19 相关心血管结局的方法。类似机器学习方面的研究都只用来预测总体 COVID-19 死亡率或患者对 ICU 治疗的需求。与这些研究相比，该项目使用的方法会对多个数据源进行分析并生成风险评分，该评分将在获得新数据时得到更新，因此该方法明显更为先进。
研究意义
“该项目将向临床医生提供早期预警信号，并确保将资源分配给最需要的患者，” Trayanova表示。
“临床医生们在对 COVID-19 患者的新发心脏问题进行风险分层方面存在重大认知鸿沟。这些新发心脏问题十分常见，而且可能危及生命。不同患者的临床表现各不相同，而且医院的治疗过程非常难以预测，” 该项目的临床合作者、约翰·霍普金斯大学医学院心内科副教授 Allison G. Hays 说。
“该项目旨在帮助临床医生使用实时临床数据迅速对患者进行分层，目标是希望广泛传播这一知识，以帮助世界各地的医生治疗和监测 COVID-19 患者。”
约翰·霍普金斯大学医学院心内科副教授 Allison G. Hays
该项目将进一步阐明与 COVID-19 相关的心脏损伤是如何导致心脏功能障碍和心源性猝死的，这对于对抗 COVID-19 至关重要。该项目还将帮助临床医生确定哪些生物标志物对不良临床结局最具预测作用。
一旦研究小组创建并测试了他们的算法，他们将广泛提供给所有感兴趣的医疗机构加以使用和实施。
“通过预测谁有可能出现最坏结局的风险，医务人员将有能力采取最佳治疗或一级预防，从而挽救患者的生命，”Trayanova 说。
资料来源：
https://hub.jhu.edu/2020/05/27/machine-learning-heart-damage-predict
https://www.weibo.com/hopkinsmedicine
https://www.hopkinsmedicine.org/health/conditions-and-diseases/coronavirus/can-coronavirus-cause-heart-damage
https://healthitanalytics.com/news/machine-learning-helps-detect-heart-damage-in-covid-19-patients
原文链接：
https://mp.weixin.qq.com/s/4umzsF2klKT79saIX2V9gw
