根据《放射学：心胸影像学》发表的新发现，放射学和机器学习可以帮助医疗保健提供者确定心脏磁共振图像上的晚期G增强(LGE)是心肌梗死(MI)还是心肌炎的迹象。

研究人员解释说，观察LGE地区并区分心肌梗死和心肌炎可能会带来一些挑战，促使他们探索机器学习的潜在有效性。

“在临床实践中，对LGE区域进行视觉和定性分析，这可能会受到观察者和观察者之间差异的影响，”第一作者、瑞士苏黎士大学医院理学硕士托马索迪诺托及其同事写道。“在透壁模型的情况下，仅基于LGE可能难以区分MI和心肌炎。在某些情况下，如果临床信息和患者病史有限，或者两种疾病的患者以类似的方式出现，MI患者和心肌炎患者的鉴别可能会更加复杂。”

作者研究了连续111例心肌梗死患者和62例心肌炎患者的LGE磁共振图像，并收集了2D和三维影像学特征。五种不同的机器学习算法用于分类。

在这五种算法中，SVM分类器对2D特征的准确率最高(88%)。线性判别分析分类器对三维特征的准确率最高(85%)。如果包含主成分分析，LDA分类器对2D(86%)和三维(89%)函数的准确率最高。

此外，发现放射性/机器学习方法比没有经验的人类读者更有效。然而，高级阅读器的性能优于算法。而2D和3D放射科的功能是一样的。

作者指出，他们的研究有一些局限性，包括“有限的样本量”，以及与LGE相关的其他心脏病(如心肌病)不包括在内。总的来说，研究结果确实表明“通过机器学习确定的放射学特征使得基于LGE和磁共振成像的心肌梗死能够以高精度与心肌炎区分。”