许多心脏性猝死病例可以通过人工智能得以避免。在即将发表于《欧洲心脏杂志》的一项新研究中，来自法国国家健康与医学研究院（Inserm）、巴黎城市大学和巴黎公立医院集团（AP-HP）的研究人员与美国同行合作，开发了一种模仿人脑功能的人工神经网络。通过对超过24万份动态心电图数据的分析，该算法能够在70%以上的病例中识别出未来两周内可能发生严重心律失常并可能导致心脏骤停的患者。
每年，心脏性猝死导致全球超过500万人死亡[1]。许多心脏骤停发生得毫无征兆，没有明显的预警信号，影响到普通人群中并不总是有已知心脏病史的个体。
根据一项由Inserm、巴黎城市大学和巴黎公立医院集团的研究团队与美国同行合作进行的新研究，人工智能可以帮助改善心律失常的预测——这些无法解释的心律失常如果严重的话，可能会导致致命的心脏骤停。
作为这项研究的一部分，Cardiologs公司（飞利浦集团）的工程师团队与巴黎城市大学和哈佛大学合作，开发了一种人工神经网络。该算法模仿人脑的功能，以提高对心脏性猝死的预防能力。
研究人员利用来自六个国家（美国、法国、英国、南非、印度和捷克共和国）收集的24万份动态心电图数据，分析了数百万小时的心跳记录。
借助人工智能，研究人员能够识别出预示心律失常风险的新弱信号。他们特别关注了心室在一个完整的心脏收缩和舒张周期中所需的电刺激和放松时间。
“通过分析24小时的电信号，我们发现可以识别出在未来两周内可能发展成严重心律失常的受试者。如果不加以治疗，这种类型的心律失常可能会进展为致命的心脏骤停。”该研究的第一作者、巴黎心血管研究中心（PARCC）（Inserm/巴黎城市大学）的研究员、心血管研究所巴黎南部（ICPS）（Ramsay, Massy）的心脏病专家以及飞利浦负责人工智能的医疗总监Laurent Fiorina博士解释说。
尽管人工神经网络仍处于评估阶段，但在本研究中，它显示出能够识别70%的高风险患者，并且在99.9%的情况下能够识别无风险患者。
未来，该算法可用于监测医院中的高风险患者。如果其性能得到进一步优化，还可以用于测量血压以揭示高血压风险的设备，如动态Holter监护仪。甚至可以在智能手表中使用。
“我们在这里提出的是一个预防猝死的范式转变，”Inserm PARCC（Inserm/巴黎城市大学）的研究主任、巴黎城市大学心脏病学教授以及乔治·蓬皮杜欧洲医院AP-HP心脏科主任Eloi Marijon评论道。“直到现在，我们一直在试图识别中长期风险患者，但无法预测在心脏骤停前几分钟、几小时或几天会发生什么。现在，借助人工智能，我们可以预测这些事件在非常短的时间内发生，并有可能在为时已晚之前采取行动。”
研究人员希望在未来进行前瞻性临床研究，以测试该模型在实际条件下的效果。
“在用于医疗实践之前，必须在临床试验中评估这项技术，”Fiorina博士强调。“但我们已经表明，人工智能具有彻底改变严重心律失常预防的潜力。”
(全文结束)
