當前，中國心血管病 11 患病率處于持續上升階段，其中，心力衰竭作為導致死亡的重要病因之一愈發受到重視。2019 年《中國心血管健康與疾病報告》顯示，2019 年心力衰竭人數直逼 890 萬。

　　心力衰竭往往來勢洶洶，急性心力衰竭最常見的警告信號之一是肺部液體過多，這種情況被稱為“肺水腫”。

　　而一個病人確切的過剩液體水平通常決定醫生的治療方案，但作出這樣的決定是困難的，需要臨床醫生依賴于 X 光片中的細微特征，這也導致許多情況下，診斷和治療計劃不一致。

　　為了更好地處理這種細微差別，近日，麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員開發了一個機器學習模型，可以通過 X 光來量化水腫的嚴重程度，分為 0 級（健康）到 3 級（非常非常非常糟糕）。系統在一半以上的時間內確定了正確的級別，并且 90％的時間正確診斷了 3 級病例。

　　這可能意味著通過 CT 掃描發現遺漏的癌癥診斷，或者在醫生看到阿爾茨海默氏癥的跡象之前數年就能檢測出來。研究過程中還使用人工智能分析心電圖結果如何幫助醫生通過識別左心室功能障礙來確定最容易發生心力衰竭的患者，這項新的研究也遵循了類似的路徑，盡管關注的是不同的機制。

　　研究小組表示，更好的水腫診斷不僅有助于醫生處理急性心臟問題，還可以幫助醫生處理與水腫密切相關的其他疾病，如敗血癥和腎功能衰竭。

　　顯然，數據與算法的結合正在重塑醫療診斷，通過現代計算的力量，這些算法能夠查看醫療成像數據，發現臨床醫生無法看到的人類狀況的微妙但關鍵的變化，從而開啟一些令人興奮的可能性。