完全性心脏传导阻滞（CHB）是一种危及生命的异常心律，但现有心电图（ECG）风险分层方法预测能力有限。最新研究开发并验证了一种新型人工智能增强心电图（AI-ECG）模型，可准确预测新发CHB风险，其性能显著优于传统风险标志¹。
该CHB风险评估模型（AIRE-CHB）基于残差卷积神经网络构建的深度学习模型，通过分析标准12导联心电图识别传统方法无法捕捉的细微亚临床模式。研究团队使用美国贝斯以色列女执事医疗中心（BIDMC）的1,163,401份心电图数据（来自189,539名患者）进行训练，并在英国生物样本库（UKB）的50,641份心电图数据中完成外部验证。主要终点为指数心电图检查后31天以上新诊断的CHB病例。
在开发队列中，AIRE-CHB模型预测新发CHB的C指数达0.836，预测一年内发生CHB的受试者工作特征曲线下面积（AUROC）为0.889（95% CI 0.863-0.916），远超传统指南标志"双束支阻滞"的0.594（95% CI 0.567-0.620）。模型识别的最高风险组患者相较最低风险组，校正风险比（aHR）达11.6（95% CI 7.62-17.7；p<0.001）。
外部验证显示，该模型在英国样本库中C指数达0.936（95% CI 0.900-0.972），高低风险组aHR为7.17（95% CI 1.67-30.81；p<0.001）。研究者指出，该模型"可用于不同临床场景辅助晕厥患者和高危房室传导阻滞患者的决策管理"¹，通过识别需强化心律监测或经验性植入起搏器的患者，有望优化临床诊疗路径。
参考文献
- Sau A, Zhang H, Barker J等. 人工智能增强心电图在完全性心脏传导阻滞风险分层中的应用. JAMA Cardiol. 2025年8月20日在线发表.
【全文结束】