机器之心获悉，吴恩达领导的斯坦福机器学习研究团队于昨日在《Nature Medicine》发布新论文，使用深度神经网络在动态心电图中检测和分类心律失常，可达到专家级别。 该团队使用来自使用单导联动态心电监护设备的53,549名患者的91,232个单导联心电图对12个节律类别进行分类。当针对由董事会认证的执业心脏病专家的共识委员会注释的独立测试数据集进行验证时，DNN在接收器操作特征曲线（ROC）下达到0.97的平均面积。 DNN（0.837）的平均F1评分是阳性预测值和敏感性的调和平均值，超过了普通心脏病学家（0.780）。