研究人员旨在确定经验证的基于心电图的人工智能（AI）心房颤动（AF）风险预测模型，是否具备预测未来心力衰竭（HF）和中风发生的能力。
根据2025年11月7日至10日在美国路易斯安那州新奥尔良举行的美国心脏协会（AHA）科学会议公布的最新研究结果，一种已验证可预测新发心房颤动的基于心电图的人工智能模型（ECG-AI），能够识别出心房颤动相关心力衰竭和心房颤动相关中风的高风险人群。
调查人员深入探究了经验证的基于心电图的AI模型所生成的心房颤动风险评估值，是否与未来心力衰竭和中风的发生存在关联。
麻省总医院心脏电生理学家兼心脏病学家谢恩·赫什德医学博士在《心脏病学顾问》的采访中表示：“人们对筛查心房颤动存在广泛兴趣，这种常见的心律失常常未被发现且可能无症状。但当前的筛查方法效率低下——需要筛查数百人才能多发现1例心房颤动，且即使被发现的患者也常表现为短暂、偶发的心房颤动，危险性可能较低。由于我们的算法不仅能检测心房颤动风险，还能预测心房颤动相关中风和心力衰竭风险，因此有望将筛查精准定位在最需预防性治疗（如可降低中风风险的抗凝药物）的受益人群。”
研究人员在麻省总医院（MGH）和布莱根妇女医院（BWH）开展了一项纵向观察性研究，利用ECG-AI估算5年内心房颤动风险，随后评估该风险与新发心房颤动、中风及心力衰竭之间的关联，并通过Cox比例风险模型对性别和年龄进行校正。研究对象包括15,269名MGH患者（平均年龄56.5岁；48.6%为女性；中位随访期8.3年）和73,080名BWH患者（平均年龄56.5岁；54.7%为女性；中位随访期7.5年）。
我们认为该AI模型针对当前心房颤动筛查方法效率低下的关键需求提供了有效解决方案。
研究期间共记录12,168例心房颤动事件、2,935例心房颤动相关心力衰竭事件和1,010例心房颤动相关中风事件。分析显示，ECG-AI风险评分越高，所有预后指标的风险危害比也显著升高。
MGH和BWH两家医院的心房颤动相关心力衰竭五年预测时变受试者工作特征曲线下面积（AUROC）分别为0.838（95%置信区间0.813-0.862）和0.836（95%置信区间0.823-0.847）；心房颤动相关中风的五年预测AUROC分别为0.788（95%置信区间0.743-0.835）和0.815（95%置信区间0.791-0.843）。
赫什德博士指出：“这是已在多个人群和研究中得到验证的心房颤动风险预测模型，具备充分的实践基础……我们认为它解决了当前心房颤动筛查效率低下的特定关键需求。”当被问及该AI模型未来是否可能用于其他疾病的风险评估时，他表示：“同一算法已展现出多种扩展功能，包括区分中风是否由心房颤动或其他原因导致，以及利用手持设备单导联心电图评估心房颤动风险的能力。在持续研究中，我们正在探索其预测心脏复律术后、导管消融术后或应激相关心房颤动发作后复发的可能性。”
编者注：采访内容经精简编辑以提升清晰度。
参考文献：
Usuda K, Friedman SF, Dsouza V等. 基于心电图的人工智能估算的心房颤动风险可分层预测心房颤动相关中风和心力衰竭发生率. 美国心脏协会科学会议摘要#MP1514；2025年11月7-10日；路易斯安那州新奥尔良.
【全文结束】
