一种新的人工智能工具可能会改变心脏疾病的检测方式，在患者出现症状之前就识别出高风险人群。这个开创性的系统利用数百万份匿名健康记录来识别与心房颤动（AF）相关的“红旗”信号。心房颤动是一种心跳不规则且通常较快的心脏病，会增加中风的风险。患有该病症的人可能会感到心悸、头晕、呼吸急促和疲劳，但在许多情况下，这种病症没有任何症状。
目前，英国约有160万人被诊断出患有心房颤动，但英国心脏基金会（BHF）认为还有更多人未被诊断出来，他们并不知道自己有较高的中风风险。这项名为FIND-AF的工具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，并得到了BHF的资金支持。
该工具使用机器学习技术分析患者的医疗记录，评估其患心房颤动的可能性。评估因素包括年龄、性别、种族以及是否患有其他疾病，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。算法基于210万份匿名健康记录进行了训练，并通过另外1000万份健康记录进行了验证。
被识别为高风险的患者会被给予一个手持式心电图（ECG）设备，在家每天两次或在感到心悸等症状时使用，为期四周。这些数据会直接发送给试验团队进行分析。如果心电图读数显示可能存在心房颤动的心律不齐，工具会触发警报通知患者的全科医生（GP），以便讨论治疗方案。这些方案可能包括药物治疗以降低中风风险，或改善心脏健康的建议。
退役陆军上尉约翰·彭盖利（John Pengelly）在参加试验后被诊断出患有心房颤动，但他此前没有任何明显的症状。这位来自西约克郡阿珀利布里奇的74岁老人表示：“我收到了一封邀请信，让我参加研究，我想如果能帮到别人那当然好。”他补充道：“他们寄给我一个小数字监测器，每天几次用拇指按压它进行读数，大约两分钟。然后我按下发送键，数据就会传给试验团队。我做了几周，然后把设备寄回去——非常简单。”
几周后，彭盖利被诊断出患有心房颤动。“我听说过这种病，但从没想过会发生在我身上。我没有任何症状。外出时偶尔会有点气喘吁吁，但这只是因为我们这里有很多陡峭的山坡。”他说，“我很感激能早期发现这个问题。现在我每天吃几片药来降低中风的风险。希望这些药片能让我再活几年。”
当心脏正常跳动时，其肌肉壁收缩以将血液挤压出去并在体内循环。然后放松，让心脏再次充满血液。这个过程每次心跳都会重复。而在心房颤动中，心脏的上腔（心房）会随机收缩，有时速度非常快，以至于心肌无法在两次收缩之间充分放松。这降低了心脏的工作效率。心房颤动发生时，异常的电信号突然在心房中开始放电，覆盖了心脏的自然起搏器，使其无法控制心率，导致脉搏极不规则。
尽管心房颤动的具体原因尚不清楚，但它往往影响某些群体，如老年人和长期患有心脏病、高血压或肥胖等慢性病的人。某些情况也可能触发心房颤动，如饮酒过量或吸烟。心房颤动可以根据其对患者的影响程度进行分类，例如：
- 阵发性心房颤动——发作来去自如，通常在48小时内自行停止；
- 持续性心房颤动——每次发作持续超过七天（或在治疗下缩短）；
- 永久性心房颤动——持续存在；
- 长期心房颤动——通常已持续一年以上。
估计每年心房颤动是英国约20,000例中风的原因之一。利兹大学心血管医学教授兼利兹教学医院NHS信托基金名誉顾问心脏病学家克里斯·盖尔（Chris Gale）表示：“通常情况下，心房颤动的第一个迹象就是中风。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。这也对健康和社会护理服务产生了重大成本影响——这些成本本可以通过早期发现和治疗而避免。”
英国心脏基金会副医疗主任、皇家布朗普顿医院咨询心脏病学家索尼娅·巴布-纳拉扬（Sonya Babu-Narayan）博士说：“我们有有效的治疗方法，可以为那些有中风高风险的心房颤动患者提供帮助。但现在有些人因为不知道自己可能患有这种隐性疾病而错过了治疗机会。”
她补充道：“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，可以识别更多有心房颤动风险的人群，并为他们提供治疗，以降低中风的风险。”
利兹教学医院NHS信托基金的拉梅什·纳达拉贾（Ramesh Nadarajah）博士表示：“每次患者与NHS互动时都会收集大量数据。这些数据具有巨大的潜力，可以使像心房颤动这样的疾病的早期识别和测试更加容易和高效。如果成功，这项研究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心房颤动的人数，使他们得到所需的治疗，以降低中风的风险。”
(全文结束)
