(资料图片仅供参考)

波士顿——心房颤动——一种不规则且通常快速的心率——是一种常见的疾病，通常会导致心脏中形成血栓，血栓会传播到大脑导致中风。正如发表在Circulation 上的一项研究所述，由麻省总医院 (MGH) 和麻省理工学院和哈佛大学博德研究所的研究人员领导的一个团队开发了一种基于人工智能的方法，用于识别有发生心房颤动风险的患者，并可能因此受益于预防措施。

研究人员开发了基于人工智能的方法，根据在 MGH 接受初级保健的 45,770 名患者的心电图(记录心脏电信号的无创测试)的结果，预测未来五年内发生房颤的风险。

接下来，科学家们将他们的方法应用于来自研究的三个大型数据集，包括总共 83,162 个人。基于 AI 的方法可以单独预测心房颤动的风险，并且在与已知的临床风险因素相结合来预测心房颤动时具有协同作用。该方法在个体亚组中也具有高度预测性，例如既往心力衰竭或中风的个体。

“我们看到基于心电图的人工智能算法可以帮助识别心房颤动风险最大的个体，”资深作者、MGH 心脏电生理学家、Broad 的准成员 Steven A. Lubitz 医学博士、公共卫生硕士说。研究所。共同主要作者、医学博士、公共卫生硕士、MGH 的电生理学临床和研究员 Shaan Khurshid 补充说：“这种算法的应用可以促使临床医生修改心房颤动的重要风险因素，从而完全降低发生这种疾病的风险。”

Lubitz 补充说，该算法可以作为一种形式的预筛选工具，用于目前可能正在经历未检测到的心房颤动的患者，促使临床医生使用更长期的心律监测器来寻找心房颤动，这反过来又可能导致中风预防措施.

该研究的结果还证明了人工智能(在这种情况下涉及一种称为机器学习的特定类型)在推进医学方面的潜在力量。“随着数据科学技术的爆炸式增长和现有的大量临床数据，机器学习有望帮助临床医生和研究人员在加强心脏病学护理方面取得长足进步，”共同作者、医学博士、首席数据官 Anthony Philippakis 说在研究所的埃里克和温迪施密特中心的布罗德和联合主任。“作为一名数据科学家和前心脏病专家，我很高兴看到基于机器学习的方法如何与我们每天使用的测试和临床方法相结合，以帮助我们改进风险预测并照顾心房颤动患者。”