一个由麻省总医院布里格姆和哈佛-麻省理工Broad研究所的研究人员共同领导的团队开发并验证了一种名为ECG2Stroke的人工智能模型，该模型能够利用一次常规10秒的心脏病学测试预测未来10年内的中风风险。这项研究发表在《美国心脏病学会杂志》(JACC)上。
"现有的识别高风险中风患者的工具通常需要繁琐的临床评分计算，难以大规模应用，因此在常规实践中并未广泛使用，"该研究的共同第一作者、麻省总医院布里格姆神经科学研究所和Broad心血管疾病计划的神经病学家Rahul Mahajan医学博士说道。
为了寻找替代方案，Mahajan及其同事利用马萨诸塞州总医院患者的资料开发了一种深度学习模型，该模型能够捕捉心电图(ECG)中的细微波形模式。心电图是一种廉价、非侵入性且常用的心脏测试，通过贴在皮肤上的电极传感器记录心脏电活动。研究团队还在布里格姆妇女医院和贝斯以色列女执事医疗中心的患者身上测试了ECG2Stroke模型。总共利用超过20万名患者的信息来训练和验证该模型。
结果显示，ECG2Stroke——仅使用心电图数据加上患者的年龄和性别——能够一致地预测未来10年内的中风风险，其表现与经过验证的临床风险评分在不同医院和患者亚组中相当。与检测心脏上部心房功能障碍（接收来自身体血液的上腔）相关的特征对该模型预测的影响最大。
该模型在预测由心脏形成血栓、脱落并流向大脑导致的中风（称为心源性栓塞中风）方面特别准确，这类中风可以通过抗凝剂预防。
"如果经过前瞻性、真实世界研究的证实，此类工具可以识别出哪些患者应优先进行强化预防工作，"该研究的共同资深作者、麻省总医院布里格姆心脏与血管研究所和Broad心血管疾病计划的心脏病学家Shaan Khurshid医学博士说道。"该工具还可能有助于推动未来关于心脏上腔异常与中风之间联系的机制研究。"
【全文结束】
