一种新的基于人工智能（AI）的工具可以在人们尚未出现症状之前就发现患有心脏疾病的人群。这种突破性的工具会筛选全科医生（GP）的记录，寻找可能表明患者存在心房颤动（AF）风险的“红旗”。
参与这项试验的一位前陆军上尉表示，他非常感激自己的AF被检测出来。约翰·彭盖利（John Pengelly）说，现在他只需每天服用几片药就能降低发生致命中风的高度风险。
退休的陆军上尉约翰·彭盖利在接受试验后被诊断出患有心房颤动（图片来源：PA）
AF是一种导致心跳不规则且通常过快的心脏病，患此病的人群中风的风险显著增加。对于某些人来说，AF可能导致心悸、头晕、呼吸短促和疲劳。但另一些人则完全没有症状，患者完全不知道自己的心率异常。
目前，英国约有160万人被确诊为AF患者。然而，英国领先的心脏慈善机构——英国心脏基金会（British Heart Foundation, BHF）表示，在英国还有许多未被诊断的AF患者。
当AF在早期被识别并接受治疗时，它可以得到控制，从而降低中风的风险。这个名为Find-AF的新AI工具由BHF和利兹医院慈善机构资助，正在进行评估。
该算法是由利兹大学和利兹教学医院NHS信托基金的科学家和临床医生开发的，利用超过210万匿名电子健康记录进行训练，以识别可能表明某人有AF风险的警告信号。该工具还使用了另外1000万人的医疗记录进行了验证。
专家们正在评估它在接下来六个月内发现AF高风险人群的有效性，这些被识别出的人将被提供进一步的检查。该算法已经在西约克郡的几家诊所的GP记录中进行了测试。
该算法根据多种因素计算一个人的风险，包括年龄、性别、种族以及是否存在其他医疗条件，如心力衰竭、高血压、糖尿病、缺血性心脏病和慢性阻塞性肺病等。
如果研究中的人被确定为高风险，他们将获得一个手持式心电图（ECG）设备，用于每天测量两次心律，持续四周，以及任何感到心悸时也需测量。如果ECG读数显示患者有AF，他们的GP将被告知，并可以讨论治疗方案。
今年早些时候，74岁的彭盖利先生在参加Find-AF试验后被诊断出患有AF。这位来自西约克郡布拉德福德阿珀利桥的退休祖父曾在陆军餐饮团服役29年，现已退休。
“我收到了一封邀请我参加研究的信，我想如果能帮到别人那当然好，我想帮忙。”他说。
在算法确定彭盖利先生处于较高风险后，他收到了一个家用ECG设备。“他们寄给我一个小数字监测器，每天几次我需要把拇指放在上面进行读取，大约需要两分钟。然后我按下发送键，读数就会传给试验团队。我做了几周，然后寄回设备——非常简单。”
“几周后我被诊断出患有AF。我听说过这种情况，但从没想到会发生在我身上。我没有任何症状。外出时偶尔会有点气喘吁吁，但这可能是因为我们周围有很多山，有些非常陡峭。我很感激这个问题被发现了。我现在每天服用几片药以降低中风的风险。希望这些药片能让我再多活几年。”
专家们希望西约克郡的研究能够为全国范围内的试验铺平道路，这有望预防许多本可避免的中风。据估计，每年在英国约有2万名患者的中风与AF有关。
利兹大学心血管医学教授、利兹教学医院NHS信托基金荣誉顾问心脏病学家克里斯·盖尔（Chris Gale）表示：“未诊断的心房颤动患者首次表现出的症状往往是中风。这对患者及其家人来说可能是毁灭性的，瞬间改变了他们的生活。这也对卫生和社会护理服务带来了巨大的成本影响——这些成本如果在早期发现并治疗该病症是可以避免的。”
英国心脏基金会副医疗主任、皇家布朗普顿医院顾问心脏病学家索尼娅·巴巴-纳拉扬博士（Sonya Babu-Narayan）表示：“我们有有效的治疗方法来帮助那些因房颤而面临中风高风险的人。但现在有些人因为不知道自己可能正面临着这一隐藏的健康威胁而错过了治疗机会。通过利用常规收集的医疗数据和预测算法，这项研究提供了真正的机会来识别更多可能受益于治疗以降低中风风险的AF高危人群。”
利兹教学医院NHS信托基金的拉梅什·纳达拉贾博士（Ramesh Nadarajah）表示：“每次患者与NHS互动时都会收集关于他们的数据。这些数据具有巨大的潜力，可以更早、更高效地识别和测试像AF这样的疾病。如果这次研究取得成功，它将成为更大规模全国性试验的起点，以确定我们的算法是否可以成为日常临床实践的一部分。最终，我们希望这种方法能够增加早期诊断AF的人数，使他们获得所需的治疗以降低中风风险。”
(全文结束)
