根据一项重要的新美国研究，人工智能（AI）增强型心电图（ECG）结合电子健康记录（EHR）数据成功识别出有院外心脏骤停（OHCA）风险增加的个体。
研究结果表明，AI驱动的心脏筛查可以帮助临床医生在危及生命的事件发生前检测高风险患者。
AI增强型心电图提升心脏骤停预测能力
院外心脏骤停仍然是全球猝死的主要原因之一，许多病例发生在先前未被识别为高风险心血管疾病的个体中。尽管在应急响应和除颤策略方面取得了进展，但在普通人群中预测谁将发生心脏骤停仍然极其困难。
研究人员开发并验证了AI增强型心电图模型，同时使用心电图波形和常规收集的电子健康记录数据，以确定这些工具是否能更好地对院外心脏骤停风险进行分层。病例对照研究根据年龄和性别匹配参与者，然后在时间验证队列中评估模型性能。
多模态AI增强型心电图和电子健康记录模型取得了最强的预测性能，受试者工作特征曲线下面积为0.83，精确率-召回率曲线下面积为0.44。这些结果显著优于仅基于心电图或电子健康记录数据的模型。
AI增强型心电图筛查的实际应用表现
为评估临床相关性，研究人员在进行心电图评估的真实世界医疗人群中测试了AI增强型心电图方法。在为期2年的随访期间，结合心电图和电子健康记录的模型识别出约三分之二后来经历院外心脏骤停的个体。
在被AI增强型心电图模型分类为高风险的患者中，2年院外心脏骤停累积发生率达到2.4%（95%置信区间：2.0%–2.8%）。相比之下，被指定为低风险的个体表现出显著较低的累积发生率，仅为0.5%（95%置信区间：0.3%–0.8%）。
这些发现表明，将AI增强型心电图分析与临床健康记录相结合，可能为识别可从更密切的心血管监测或预防性干预中受益的患者提供一种实用方法。
对预防心脏病学的影响
研究人员指出，当前对心脏骤停的预防策略主要集中在已知结构性心脏病或心脏功能严重降低的患者。然而，许多院外心脏骤停病例发生在这些传统高风险群体之外。
因此，AI增强型心电图筛查可能为更早识别心脏骤停风险提供可扩展的群体层面方法。需要进一步的前瞻性研究来确定如何将这些模型整合到常规临床实践中，以及早期干预是否可以降低死亡率。
该研究还突显了人工智能在心脏病学中日益增长的作用，特别是在利用常规可获得的医疗数据改进预测模型方面。
参考文献
Sharma S等。利用人工智能增强型心电图和健康记录预测心脏骤停。JACC Adv. 2026;DOI:10.1016/j.jacadv.2026.102787。
【全文结束】
