利用 AI 帮助预防年轻运动员心脏骤停

2007 年 11 月 30 日上午，在学校足球练习期间，Rafe Maccarone 躺在草地上屏住呼吸。随着队伍其他成员的紧张和恢复，拉菲一直保持沉默。当团队意识到 Rafe 失去知觉时，他们冲到了他身边，但为时已晚。Rafe 患有未被发现的致命心脏病，心脏骤停是他的第一个症状。 ^{Rafe 于 2007 年 12 月 1 日去世，距离他 16 岁生日只有几天。}

心脏骤停（SCA）是 学生运动员的头 号死因，也是学校校园 的主要死 因。每年， 成千上万看似健康的学生意外死于未被发现的心脏病 ，这增加了他们患SCA的风险。

为了纪念拉菲并防止其他年轻运动员发生这场悲剧，Rafe的一群队友创立了非营利组织 Who We Play For （WWPF）。WWPF 提倡通过放置自动体外除颤器 (AED)、心肺复苏 (CPR) 培训和心脏筛查（包括由儿科心电图解读专家的医生进行的低成本心电图 (ECG) 筛查）来预防 SCA。心电图是识别有SCA风险的青少年的最有效工具，可识别多达95％的致命心脏病。迄今为止，WWPF已与美国各地的500多个体育项目合作，使超过 20万名年轻运动员接受了SCA筛查，挽救了数百人的 生命。

尽管取得了成功，但WWPF团队发现他们进一步扩展该计划的能力存在局限性。尽管心电图已被证明可以有效识别SCA，并且在其他国家被广泛用于此目的，但在美国，只有少数医疗专业人员乐于解释儿科筛查心电图；识别可能导致儿科患者出现SCA的潜在疾病的专家就更少了。无法解释心电图结果意味着更少的年轻人能够获得他们可能需要的救生信息。但是，能否训练机器学习 (ML) 模型来解释这些结果？

这是 WWPF 想要回答的问题。WWPF 与亚马逊网络服务 (亚马逊云科技) 合作构建了可扩展的机器学习解决方案，以帮助扩大每个年轻人获得 SCA 筛查的机会，扩大他们的工作范围，并有可能每年挽救许多人的生命。

通过健康公平倡议与 亚马逊云科技 合作

WWPF 开始通过 Health Eq uity Initiative 与 亚马逊云科技 合作 ，通过该计划，亚马逊云科技 已承诺提供 4,000 万美元用于提供计算积分和技术专业知识，以改善服务不足和代表性不足的社区的医疗保健成果。作为该计划的一部分，亚马逊云科技 向 WWPF 提供了 亚马逊云科技 促销积分和 亚马逊云科技 专业服务 (亚马逊云科技 ProServe) 团队提供的技术支持，以帮助他们实现愿景。

WWPF 希望开发一种能够读取标准心电图打印报告的筛查工具，以帮助不熟悉解释儿科心电图的医生在无需额外设备或直接连接心电图机的情况下识别 SCA 的风险迹象。亚马逊云科技 ProServe 将 WWPF 与一组数据科学家联系起来，他们与 WWPF 的技术专家和儿科心脏病专家合作，以了解心电图筛查过程。该团队创建了首款机器学习解决方案，能够识别儿科筛查心电图中的SCA风险。

为 SCA 风险预测构建机器学习模型

亚马逊云科技 和 WWPF 共同完善了这个想法，并利用亚马逊 S ag eMaker 的力量开发了一种全新的两阶段机器学习解决方案。 首先，通过使用传统的计算机视觉方法从心电图报告的图像中提取痕迹，心电图轨迹被 “数字化”。其次，他们建立了一个深度学习模型来处理提取的痕迹，以识别 SCA 的风险指标。该解决方案使WWPF能够最大限度地提高实验和建模性能，同时最大限度地降低成本，从而支持他们实现将该解决方案扩展到美国和全球尽可能多的年轻运动员的使命。

下图（图 1）展示了 WWPF 和 亚马逊云科技 团队开发的解决方案。

图 1。儿科 SCA 模型开发环境的架构图，将在下一节中详细解释。

该团队开发的解决方案从一个数据湖开始，用于存放完整心电图图像的心电图数据，以及 亚马逊简单存储服务（ Amazon S3）上的数字化轨迹。 该团队使用SageMaker处理作业批量应用数字化过程从心电图文档中提取心电图痕迹。数据到位后，该团队使用 SageMaker PyTorch SDK 和 亚马逊云科技 深度学习容器开发了一个 SCA 深度学习 模型， 以实现快速实验，同时将管理开销降至最低。该团队将该模型与 SageMaker Serverless Inference 集成在一起，以便在部署时支持成本优化且可扩展的解决方案。该团队使用灵敏度和特异性指标测量了模型性能，分别测量了模型识别高 SCA 风险心电图和低 SCA 风险心电图的准确性。通过建模工作，该团队生成了灵敏度和特异性分别为78％和90％的深度学习模型，接近人类儿科心电图检查的技能水平。

为了进一步改进 SCA ML 模型，该团队创建了一个管道，让 WWPF 心脏病专家使用 亚马逊增强人工智能（亚马逊 A2I）审查该模型的预测。 使用此工具，WWPF 专家儿科电生理学家和心脏病专家审查了模型的预测，为模型开发团队提供了重要反馈。在利用 Amazon A2I 查看模型的预测并根据 WWPF 的医学观察结果改进模型后，亚马逊云科技 和 WWPF 团队实现了超过 93% 的灵敏度和特异性，超过了人类水平的表现。有了这些结果，WWPF团队离为每位年轻运动员提供使用心电图进行SCA筛查的机会又近了一大步，仅在美国，每年就防止数千人死亡。

展望 WWPF 和 SCA ML 模型的后续步骤

由机器学习支持的儿科 SCA 解释模型的结果超出了预期。WWPF正在努力进一步提高该模型的性能，以便将该工具引入美国和全球的医疗办公室。WWPF团队正在与合作机构合作，收集更多的心电图数据，以扩展其数据湖，从而进一步改进风险预测模型并更好地代表各种潜在的心脏病。WWPF 团队还希望扩大对亚马逊 A2I 的使用，通过充分利用人工智能和人类主题专家之间的合作关系，以空前的规模和准确度取得成果，进一步增强该模型的能力。最后，未来的工作将利用解决方案的两阶段设计来探索如何利用来自心电图机的直接痕量馈送和某些智能手表上经美国食品药品管理局批准的最新一代心电图传感器来更准确、更早地检测SCA的风险信号。

了解有关 亚马逊云科技 健康公平计划的更多信息

亚马逊云科技 Health Eq uity Initiative 支持以下应用程序：利用云的力量开发具有文化响应性的解决方案，以增加获得医疗服务的机会；通过解决健康的社会决定因素来缩小差距；利用数据促进公平和包容的医疗体系；促进诊断和筛查方面的公平性。在 亚马逊云科技 非营利组织中心详细了解 A WS 如何支持非营利组织 。

阅读相关资源和故事：

• 亚马逊云科技 医疗保健解决方案：专为医疗保健提供商、付款人和医疗科技组织构建的服务和解决方案，以实现业务和患者护理转型
• 新的全球计划旨在帮助客户开发改善健康结果和健康公平的解决方案
• 亚马逊云科技 宣布入选 2022 年 亚马逊云科技 医疗保健加速器的 10 家初创公司，重点关注健康公平
• 利用 ET3 计划和 亚马逊云科技 促进健康公平
• 2022 年世界卫生日：利用云创造更健康的明天
• 加州大学戴维斯分校健康中心和亚马逊云科技宣布在学术医疗中心设立首个云创新中心

订阅 亚马逊云科技 公共部门博客时事通讯 ， 将来自公共部门的 亚马逊云科技 工具、解决方案和创新的最新信息发送到您的收件箱，或者 联系我们 。

请花几分钟时间在本次调查中分享您对 亚马逊云科技 公共部门博客的体验的见解 ，我们将使用调查的反馈来创建更多符合读者偏好的内容。