美國約翰霍普金斯大學懷廷工學院研究人員開發出一款人工智慧模型，能透過分析龐大的電子病歷數據，精準偵測高風險患者的潛在心律不整問題，此工具強調輔助醫師而非取代判斷，並注重消除性別及族裔等偏差，以實現「有心」的人本醫療關懷。
美國約翰霍普金斯大學（Johns Hopkins University）懷廷工學院（Johns Hopkins Whiting School of Engineering）的研究人員，近日開發出一款名為「有心」的人工智慧模型，旨在協助醫師早期偵測心律不整（heart arrhythmias），尤其針對難以察覺病徵的患者。此專案是由資料科學家 Mansi Goel 主導。
Mansi Goel 目前在 Lucem Health 擔任資料科學家，她開發的這款預測性機器學習模型，能分析數千萬筆電子健康紀錄（Electronic Health Record）數據，以識別出患有第二型糖尿病、慢性腎臟病、冠狀動脈疾病和慢性阻塞性肺病等共病症的高風險病患。這些病人若有心律不整問題，往往因病徵不明顯而容易被忽略。
一旦模型辨識出潛在風險患者，醫師將會收到通知，並可能建議病患配戴 Zio ECG 監測器（由 iRhythm 製造），進行長達 14 天的連續心臟節律監測。Mansi Goel 強調，此 AI 模型定位為醫師的「幫手」，目的是提供額外的臨床支援，而非取代專業醫療判斷。她表示，將「心」融入 AI 醫療應用，代表著設計時需確保其負責任地運行，並彌補潛在的偏差，例如考量心臟病症狀在不同性別或族裔群體間可能呈現差異。
為了確保模型的準確性與公平性，開發團隊會以多元化的患者群體資料進行訓練，並在不同族群間進行嚴格測試，以發現並修正任何可能的表現差異。Mansi Goel 期望未來此模型也能應用於其他複雜疾病的預警偵測，促使醫療從被動應對轉為主動預防，從根本上改善人類健康照護。
Mansi Goel 曾在印度的 Shiv Nadar University 攻讀數學與電腦科學學士，其後在約翰霍普金斯大學懷廷工學院取得資料科學碩士學位。