明尼阿波利斯 —— 新研究表明，人工智能（AI）可以帮助识别患有偏头痛且房颤（AF）及其他血管并发症风险增加的患者。
这项回顾性研究评估了超过29,000名偏头痛患者（包括有先兆和无先兆偏头痛），结果显示，AI预测模型利用患者的ECG数据能够识别出房颤风险较高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复合血管事件结果的高风险患者。
研究负责人、梅奥诊所神经病学副教授Chia-Chun Chiang博士在《Medscape医学新闻》报道的美国头痛学会（AHS）2025年年会演讲中表示：“我们的研究建立在之前研究的基础上，表明伴有先兆的偏头痛与中风及不良血管事件风险增加有关。”
“我们的研究表明，ECG是一种广泛可用的检测方法，结合AI算法，有望在临床实践中用于筛查并识别面临不良血管事件风险的偏头痛患者。” Chiang说道。
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ECG检查的29,928名偏头痛患者，其中包括13,250名有先兆偏头痛患者和16,678名无先兆偏头痛患者。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索引ECG的数据输入AI模型，以评估其发生房颤的风险。他们还计算了每位患者的“delta年龄”——定义为根据ECG数据AI预测的年龄减去个体的实际年龄。研究人员指出，较高的delta年龄值此前已被证明与内皮功能障碍和心血管死亡率增加相关。
本研究的主要结局为急性心肌梗死、急性缺血性卒中、静脉血栓栓塞或死亡的复合结局的发生率，次要结局为新发房颤。
总体而言，4662名患者（15.6%）发生了不良事件，1384名患者出现了新发房颤。使用调整了年龄、性别、先兆及血管危险因素的多变量Cox回归模型，研究人员发现，AI模型输出每增加10%（风险比[HR]，1.15；95% CI，1.12-1.18），以及delta年龄每增加10年（HR，1.16；95% CI，1.12-1.21），都与发生不良血管事件的可能性更高相关。
此外，AI模型输出越高，发生新发房颤的可能性也越高（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房颤模型输出识别的其他风险因素还包括冠状动脉疾病（HR，2.02；95% CI，1.79-2.27；P < 0.001）、高血压（HR，1.37；95% CI，1.28-1.46；P < 0.001）、糖尿病（HR，1.28；95% CI，1.15-1.43；P < 0.001）、吸烟（HR，1.21；95% CI，1.12-1.31；P < 0.001）、血脂异常（HR，1.15；95% CI，1.08-1.23；P < 0.001）、肥胖（HR，1.13；95% CI，1.04-1.22；P = 0.003）、阻塞性睡眠呼吸暂停（HR，1.30；95% CI，1.18-1.44；P < 0.001）等。
研究人员使用Contal和O’Quigley的方法确定患者被分类为高风险或低风险不良血管事件的最佳阈值。他们发现，AI模型输出≥1%（HR，1.45；95% CI，1.36-1.54）和delta年龄≥1年（HR，1.09；95% CI，1.02-1.16）是区分高风险和低风险组的最佳临界值。
Chiang指出，她的团队正在验证该研究的结果，并评估超声心动图结果和偏头痛特征等因素，这些可能有助于偏头痛患者的风险分层和预测。
“AI模型有可能作为临床实践中的筛查工具来识别高风险患者，帮助临床医生进行风险分层，并促进对不良血管事件的早期预防。” Chiang说道。
创新性研究
爱荷华大学医疗保健中心（Iowa City, Iowa）的神经眼科医生Adriana Rodriguez-Barrath博士告诉《Medscape医学新闻》，该研究的大样本量、经过验证的结果和风险调整增强了其结果的可信度。
“这项研究是我们理解偏头痛作为系统性疾病而非单纯的神经系统疾病的有意义一步，特别是通过强调其与房颤和中风风险升高的关联。”她解释道。“这项研究的独特之处在于其创新地使用AI-ECG模型估计两个新的心血管生物标志物。”
她表示，AI模型估计房颤概率和delta年龄“提供了超越传统风险分层方法的非侵入性、可扩展且低成本的工具。”
Rodriguez-Barrath指出，偏头痛并不是孤立的神经系统疾病，以往的研究已经表明，无论是有先兆还是无先兆偏头痛，都与房颤和中风等疾病有关。
“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，即亚临床心血管风险可能已经编码在偏头痛患者的ECG信号中，尤其是那些有先兆的患者，即使在明显的心血管疾病尚未发展时也是如此。”她补充道。
凯斯西储大学医学院和大学医院头痛项目的神经学副教授兼主任Deborah Reed博士也在评论该研究时表示，该模型准确预测并识别了偏头痛患者发生不良事件的风险因素。
“这项研究的优势在于研究人群庞大，开发了预测房颤和不良血管事件的工具。我很期待它未来的发展。” Reed告诉《Medscape医学新闻》。
然而，她说许多已识别的风险因素已经是临床医生所熟知的。
“虽然年龄较大、男性、有先兆偏头痛的患者血管风险更高，但这些都是众所周知的血管事件风险因素。” Reed说道。
她表示，当有先兆偏头痛的患者出现其他风险因素或考虑口服避孕药时，她会讨论他们的血管风险。
“随着我们对患者的终身随访，大多数医生都会讨论血管事件的风险因素，神经科医生也不例外。”她解释道。“当我与我的患者讨论时，我会将有先兆的偏头痛加入到家族史、糖尿病、生活方式、胆固醇和锻炼等风险因素中。”
AI在临床实践中的应用？
Reed认为，尽管存在挑战，但自信地告知患者其血管风险升高有助于激励他们优先考虑生活方式的改变。
“我认为如果我们能仅凭一份ECG并通过计算机告诉我们个人发生房颤或其他血管事件的风险，那将是极好的。归根结底，有些风险因素是可以治疗的，而有些则不能。有先兆的偏头痛是非常可以预防的。”她补充道。
Rodriguez-Barrath说，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“辅助手段，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，可能会错过个别患者背景的细微差别，例如合并症、心理社会因素或非典型表现。”她说道。
“作为临床医生，我们带来了人类经验、伦理推理能力和整合复杂临床叙事的能力，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仍需依靠我们的临床洞察力。”她补充道。
本研究由美国心脏协会资助。梅奥诊所已将多个AI-ECG算法授权给Anumana、Eko Health和AliveCor公司。几位共同作者是这些算法的发明人，如果这些算法商业化，他们可能会从中受益。Reed和Rodriguez-Barrath报告称没有相关的利益冲突。
【全文结束】
