明尼阿波利斯——新的研究表明，人工智能（AI）可能有助于识别出偏头痛患者中房颤（AF）和其他血管并发症的风险较高的群体。
一项回顾性研究的结果显示，通过对超过29,000名有和无先兆偏头痛患者进行评估，AI预测模型输出能够识别出阵发性房颤高风险患者以及包括急性心肌梗死（MI）、急性缺血性卒中（AIS）和静脉血栓栓塞在内的血管事件复合结果。
这项研究建立在同一个研究小组之前的研究所示的基础上，即伴有先兆的偏头痛与卒中和不良血管事件风险增加有关。研究调查员、明尼苏达州罗切斯特梅奥诊所神经学副教授Chia-Chun Chiang博士在美国头痛学会（AHS）2025年年会上向Medscape医学新闻表示。
“我们的研究表明，心电图（ECG），一种广泛可用的测试，结合AI算法，有可能在临床实践中用于筛查和识别有不良血管事件风险的偏头痛患者，”Chiang说。
血管事件预测
研究人员评估了2000年至2020年间接受过一次或多次标准12导联心电图检查的29,928名偏头痛患者，其中包括13,250名有先兆患者和16,678名无先兆患者。患者的平均年龄为44.3岁，中位随访时间为54个月。
研究人员将每位患者的心电图数据输入AI模型，以评估发生房颤的风险。他们还计算了每位患者的delta年龄——定义为基于心电图数据的AI预测年龄减去个体的实际年龄。研究人员指出，较高的delta年龄值之前已被关联到内皮功能障碍和心血管死亡率的增加。
研究的主要结局是急性心肌梗死、急性缺血性卒中、静脉血栓栓塞或死亡的复合结果，单独的结局是新发房颤。
总体上，4662名患者（15.6%）发生了不良事件，1384名患者出现了新发房颤。使用多变量Cox回归模型调整年龄、性别、先兆和血管风险因素后，研究人员发现，AI模型输出每增加10%（风险比[HR]，1.15；95%置信区间[CI]，1.12-1.18）和delta年龄每增加10年（HR，1.16；95% CI，1.12-1.21）与更高的不良血管事件可能性相关。
AI模型输出较高时，出现新发房颤的可能性也更高（HR，1.31；95% CI，1.26-1.37），而在那些新发房颤的患者中，不良血管事件的风险也更高（HR，2.43；95% CI，2.17-2.73）。
AI-ECG房颤模型输出确定的其他风险因素包括冠状动脉疾病（HR，2.02；95% CI，1.79-2.27；P < .001），充血性心力衰竭（HR，1.89；95% CI，1.53-2.34；P < .001），糖尿病（HR，1.67；95% CI，1.50-1.86；P < .001），高血压（HR，1.42；95% CI，1.32-1.52；P < .001），吸烟（HR，1.38；95% CI，1.27-1.51；P < .001），男性（HR，1.19；95% CI，1.11-1.27；P < .001）和伴随先兆的偏头痛（HR，1.12；95% CI，1.06-1.18；P < .001）。
研究人员使用Contal和O’Quigley方法确定患者分类为高风险和低风险组的临界值。他们发现，AI模型输出1%或以上（HR，1.45；95% CI，1.36-1.54）和delta年龄1年或以上（HR，1.09；95% CI，1.02-1.16）是将患者分类为高风险和低风险组的最佳截断值。
Chiang指出她的团队正在验证研究结果，并评估如超声心动图结果和偏头痛特征等因素，这些因素可以帮助对偏头痛患者进行风险分层和预测。
“AI模型有可能在临床实践中作为筛查工具使用，帮助识别有风险的患者，协助临床医生进行风险分层，并促进早期预防不良血管事件，”Chiang说。
创新研究
该研究的大样本量、验证结果和风险调整使其结果具有可信度，爱荷华大学医疗保健中心（University of Iowa Health Care）的神经眼科医生Adriana Rodriguez-Barrath博士告诉Medscape医学新闻。
“这项研究是我们理解偏头痛作为全身性疾病而非单纯神经系统疾病的重要一步，特别是通过强调其与房颤和卒中风险增加的关联，”她解释道。“这项研究的独特之处在于其创新地使用AI-ECG模型来估算两种新颖的心血管生物标志物。”
AI模型估算房颤概率和delta年龄“提供了非侵入性、可扩展且廉价的工具，超越了传统的风险分层方法，”她说。
偏头痛并非孤立的神经系统疾病，Rodriguez-Barrath指出，以前的研究表明，伴或不伴先兆的偏头痛都与房颤和卒中等疾病相关。
“通过将AI-ECG应用于偏头痛人群，该研究提供了令人信服的证据，表明亚临床心血管风险可能已经编码在偏头痛患者，尤其是伴有先兆的患者的心电图信号中，甚至在显性心血管疾病发展之前，”她补充道。
克利夫兰大学医院和凯斯西储大学医学院神经病学副教授兼头痛项目主任Deborah Reed博士也就这项研究发表了评论，她表示，该结果表明该模型能够准确预测和识别偏头痛患者不良事件的风险因素。
“这项研究的优势在于研究的大规模人群以及这些工具的发展，用以预测房颤和不良血管事件。我期待看到这将带来什么，”Reed告诉Medscape医学新闻。
然而，许多确定的风险因素早已被临床医生所知，她说。
“尽管老年、男性和伴有先兆的偏头痛患者的血管风险增加，但这些都是众所周知的血管事件风险因素，”Reed说。
Reed表示，她在讨论口服避孕药的偏头痛患者或那些发展出其他风险因素的患者时会提到血管风险。
“当我们终生随访患者时，大多数医生会讨论血管事件的风险因素，包括神经科医生，”她解释道。“当我和我的患者讨论这个问题时，我会将伴有先兆的偏头痛添加到包括家族史、糖尿病、生活方式、胆固醇和运动在内的风险因素中。”
AI在临床实践中的应用？
Reed建议，自信地告知患者其血管结果的升高风险可以帮助激励他们优先考虑生活方式改变，尽管存在挑战。
“我认为如果我们可以拿到一份心电图并让计算机告诉我们个体房颤或其他血管事件的风险，那就太好了。归根结底，有些风险因素可以治疗，而有些则不能。带有先兆的偏头痛是相当可以预防的，”她补充道。
Rodriguez-Barrath表示，AI工具有潜力更早识别高风险群体，并提供个性化的预防策略，但应被视为“辅助工具，而不是临床判断的替代品”。
“所有算法都是基于人群层面的数据训练的，可能会忽略个别患者背景的细微差别，例如共病、心理社会因素或非典型表现，”她说。
“作为临床医生，我们带来了人类经验、伦理推理和整合复杂临床叙述的能力，这是任何算法都无法复制的。因此，AI可以增强我们的决策能力，但确保安全、以患者为中心的护理还是需要我们的临床敏锐度，”她补充道。
(全文结束)