据《柳叶刀数字健康》杂志发表的研究论文，来自大阪市立大学的研究人员招募了一个深度学习的人工智能模型，该模型可以将简陋的胸部X光检查转变为一个更有力的心脏问题诊断工具，能够为心脏功能评估和疾病检查提供更快速和准确的方法。

胸部X光是世界上最经常进行的放射学检查，也是卫生专业人员诊断肺部和心脏疾病的常见方法。该方案虽然具有快速且易执行的优势，但所依托的X光作为一种静态图像，无法提供有关心脏如何运作的信息。

为了更有效地进行医疗诊断，科学家们需要进行更精进的超声心动图检测，以评估心脏的泵送效率如何，以及心室之间的瓣膜是否漏气或病变。如果心脏瓣膜发生病变，心脏就不能有效地泵血，不得不更加努力工作，这可能导致心脏衰竭或心脏骤停和死亡。但是，超声心动图对应用人员有较高的技能要求。

基于此，研究人员寄希望于通过深度学习的人工智能模型将X光胸透转化为更好的诊断工具。所谓深度学习，是人工智能使用的一个过程，教计算机以模仿人脑的方式处理数据。该模型可以识别图片、文本、声音和其他数据中的复杂模式，从而产生准确的洞察力和预测。

在对该模型的训练过程中，研究人员从四个机构的16946名患者那里获得的与22551张超声心动图相关的胸部X光片，由此对模型进行深度学习训练。其中，X光片被设定为输入数据，超声心动图被设定为输出数据，模型被训练为学习连接两个数据集的特征。在对深度学习模型进行测试时，研究人员发现，它可以精确地将六种类型的瓣膜性心脏病分类。

“该训练的原始数据来源于多个机构，时间跨度达9年左右，这将最大限度地减少人工智能产生偏颇结果的风险。” 据研究人员介绍，“新型人工智能方法可以补充超声心动图，特别是在需要快速诊断或技术人员短缺的时候。”该研究的主要作者Daiju Ueda说：“除了提高医生的诊断效率外，该系统还可能用于没有专家的地区，用于夜间急诊，以及用于难以接受超声心动图的病人。”