بر اساس مقاله ای که به The Lancet Digital Health ارسال شده است، محققان یک مدل هوش مصنوعی ایجاد کرده اند که از تصویر برداری اشعه ایکس قفسه سینه برای تشخیص همزمان عملکردهای قلبی و بیماری دریچه قلب استفاده می کند. این ممکن است اولین مطالعه ای باشد که یک مدل طبقه بندی مبتنی بر یادگیری عمیق را با استفاده از اشعه ایکس دیجیتال برای جلوگیری از اشتباه و خطا در تفسیر داده ها ایجاد و تأیید می کند. این مدل که توسط دانشمندان دانشگاه متروپولیتن اوزاکا ساخته شده است، می‌تواند عملکردهای قلبی و بیماری‌های قلبی را سریع‌تر از روش‌های سنتی دسته‌بندی کند و فرآیند تشخیص را ساده‌تر کند. این پلتفرم می‌تواند کارایی تشخیص‌های قلبی را بهبود بخشد، از اکوکاردیوگرافی سنتی پشتیبانی کند و در مواقعی که تکنسین‌های تخصصی به راحتی در دسترس نیستند، به تکمیل آن کمک کند. دانشمندان از داده های جمع آوری شده از چند نهاد که شامل 22551 رادیوگرافی قفسه سینه همراه با 22551 اکوکاردیوگرام از 17000 بیمار است برای آموزش این مدل استفاده کردند. میانگین سنی 72 سال و میانگین جنسیتی هم برابر بود. مجموعه داده از سه مرکز بین سال‌های 2013 و 2021 برای آموزش، اعتبارسنجی و آزمایش داخلی مدل جمع‌آوری شد. رادیوگرافی قفسه سینه به عنوان داده ورودی و اکوکاردیوگرام به عنوان داده خروجی در این مدل استفاده شد. این مدل هوش مصنوعی برای مرتبط کردن ویژگی‌هایی که هر دو مجموعه داده را به هم متصل می‌کنند، آموزش داده شد.

مدل یادگیری عمیق توانست شش نوع بیماری دریچه ای قلب را به طور دقیق دسته بندی کند که می تواند به تشخیص مسائل قلبی عروقی کمک کند. نارسایی ریوی، نارسایی میترال، تنگی میترال، تنگی آئورت، نارسایی آئورت، و غیره نمونه هایی از این نارسایی هاست. این تیم یک مدل یادگیری عمیق چند برچسبی را با استفاده از EfficientNet به عنوان استخراج کننده ویژگی توسعه داد. هفده برچسب به عنوان طبقه بندی انتخاب شدند. هر طبقه‌بندی به یک تابع فعال‌سازی SoftMax و به دنبال آن یک تابع از دست دادن آنتروپی متقابل متصل شد. مدل بر اساس پارامترهای از پیش آموزش دیده ImageNet آموزش داده شد و با مجموعه داده آموزشی با استفاده از اعتبارسنجی متقاطع پنج برابر تنظیم شد. نتایج AUC (منطقه زیر منحنی) یک معیار کلیدی برای سنجش عملکرد مدل، امیدوارکننده بود، به ویژه برای تشخیص کسر جهشی بطن چپ. دکتر دایجو، نویسنده اصلی این مطالعه، گفت: «علاوه بر بهبود کارایی تشخیص پزشکان، این سیستم ممکن است در مناطقی که متخصص وجود ندارد، در موارد اورژانسی شبانه و برای بیمارانی که در انجام اکوکاردیوگرافی مشکل دارند نیز استفاده شود.