(资料图片)

为了深入了解心脏，心脏病专家经常使用心电图 (ECG) 来追踪其电活动，并使用磁共振图像 (MRI) 来绘制其结构图。由于这两种类型的数据揭示了有关心脏的不同细节，因此医生通常会分别研究它们以诊断心脏病。

现在，在Nature Communications上发表的一篇论文中，麻省理工学院布罗德研究所和哈佛大学埃里克和温迪施密特中心的科学家们开发了一种机器学习方法，可以同时从 ECG 和 MRI 中学习模式，并根据这些模式预测特征一颗病人的心。这种工具经过进一步开发，有朝一日可以帮助医生通过心电图等常规测试更好地检测和诊断心脏病。

研究人员还表明，他们可以分析 ECG 记录，这些记录很容易获取且价格低廉，并且可以生成同一心脏的 MRI 电影，而这些电影的捕获成本要高得多。他们的方法甚至可以用来寻找新的心脏病遗传标记，而现有的研究个体数据模式的方法可能会遗漏这些标记。

总的来说，该团队表示他们的技术是研究心脏及其疾病的更全面的方法。“很明显，心电图和核磁共振这两种观点应该结合起来，因为它们提供了关于心脏状态的不同观点，”该研究的共同资深作者、博德核心研究所成员、共同研究人员 Caroline Uhler 说。 Broad 施密特中心主任，麻省理工学院电气工程和计算机科学系以及数据、系统和社会研究所教授。

“作为一个领域，心脏病学有幸拥有许多诊断方式，每种方式都提供了健康和疾病中心脏生理学的不同观点。我们面临的挑战是我们缺乏系统的工具来将这些方式整合到一个单一的、连贯的画面中，”说Anthony Philippakis，该研究的高级合著者、Broad 的首席数据官和施密特中心的联合主任。“这项研究代表了建立这种多模态特征的第一步。”

关键词：