根据心电图（ECG）的老化程度，可以预测心房颤动的风险。12月6日，延世大学心血管医院的心脏病学教授赵英勇、俞熙泰、助理教授赵胜勋、延世大学医学院医学生命系统信息系教授尤承灿及研究生院生命系统信息研究生文秀静宣布，他们开发了一种基于ECG老化分析的人工智能深度学习模型，用于预测心房颤动的发生风险和早期发病。
心电图通过记录心跳的电信号来诊断心脏病。近年来，随着人工智能技术的发展，人们尝试通过心电图分析来预测心脏状况。研究团队利用延世医院拥有的约150万个ECG数据库进行学习，开发了这种人工智能深度学习模型。该模型与来自六个国家的大约70万个心电图数据进行了对比分析，并完成了验证AI模型有效性的程序。
特别是，这项研究的意义在于，通过美国梅奥诊所和英国生物银行等知名海外机构的验证，证明了使用韩国心电图数据库训练的AI在不同种族之间也能产生相同的结果。利用经过验证的AI模型，研究团队分析了四个跨国队列中约28万人的ECG老化程度和心房颤动风险。结果显示，A组（50,108人）的ECG老化程度较高，其心房颤动发生风险比B组（235,504人）高1.86倍。此外，A组在66岁或更年轻时发生心房颤动的风险比B组高2.07倍。研究还发现，随着心电图测量年龄每比实际年龄大1岁，心房颤动的发生率增加3%，早期发病风险增加4%。
研究团队分析认为，心电图老化程度与心房颤动发生之间的相关性得到了证实。因此，基于ECG老化程度，不仅可早期预测和预防心房颤动，还有望预防由老化引起的各种心脏病。赵英勇教授表示，通过开发的AI不仅可以无创地预测心房颤动的发生，而且在现有测量方法中表现出最佳的预测能力。“由于心电图是诊断心脏病的重要生物标志物，我们希望这项研究不仅用于心房颤动，还可以用于预测其他心脏病。”该研究结果最近发表在心脏病学领域的权威期刊《欧洲心脏杂志》（影响因子39.3）上。
(全文结束)
