一种实验性的新AI工具可以通过分析数百万份健康记录来发现心房颤动（AF）的“危险信号”，从而改变心脏疾病的检测方式。这项突破性的系统可以识别与心房颤动相关的危险因素，在患者出现症状之前就识别出高风险人群。
心房颤动是一种心脏疾病，其特征是心跳不规则且通常过快，这会增加中风的风险。患有这种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，患者可能没有任何症状。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，他们并不知道自己存在较高的中风风险。
这款名为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共同开发的，资金来自BHF。它利用机器学习技术分析患者的医疗记录，评估他们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。
该算法基于210万份匿名健康记录进行训练，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，要求他们在家中每天使用两次，持续四周，或在感到心悸等症状时随时使用。这些数据会直接发送给试验团队进行分析。
如果ECG读数显示出心房颤动的不规则心律，工具会触发警报通知患者的全科医生（GP），医生可以讨论治疗方案。这些方案可能包括服用药物以降低中风风险，或采取生活方式的改变以改善心脏健康。
退休陆军上尉约翰·彭吉利（John Pengelly）在参与试验后被诊断出患有心房颤动，尽管他没有任何明显的症状。这位来自西约克郡阿普尔利桥的74岁老人表示，他收到了一封邀请信，决定参与研究，因为他认为“如果能帮助到别人，那就太好了”。
他说：“他们寄给我一个小的数字监测仪，我每天需要几次用拇指按在上面，每次大约两分钟，然后按下发送键，数据就会传送到试验团队。我这样做了几周，然后把设备寄回去——整个过程非常简单。”
“几周后我被诊断出患有心房颤动。我听说过这个病，但从没想过会发生在自己身上。我没有任何症状。外出时偶尔会觉得有点喘不过气，但这可能是因为我们这里有很多陡峭的山坡。”
“我很感激这个问题被发现了。我现在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很多年。”
心房颤动发生时，心脏的上腔（心房）会随机收缩，有时速度过快，导致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和性能。心房颤动是由于心房内异常的电信号突然开始放电，覆盖了心脏的自然起搏器，导致心率变得极不规则。
虽然心房颤动的具体原因尚不完全清楚，但它往往影响某些特定群体，如老年人和患有长期疾病（如心脏病、高血压或肥胖症）的人。某些情况也可能引发心房颤动，例如饮酒过量或吸烟。
估计每年在英国，心房颤动是约2万名中风病例的促成因素。利兹大学心血管医学教授兼利兹教学医院NHS信托基金荣誉顾问心脏病专家克里斯·盖尔（Chris Gale）表示：“未确诊的心房颤动患者首次出现的症状往往是中风。”
“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。”
“这也给卫生和社会护理服务带来了巨大的成本负担——这些成本本可以通过早期发现和治疗来避免。”
英国心脏基金会副医学主任兼皇家布朗普顿医院顾问心脏病专家索尼娅·巴布-纳拉扬（Sonya Babu-Narayan）博士说：“对于高风险的心房颤动患者，我们有有效的治疗方法来预防中风。”
“但目前有些人因为不知道自己可能存在这种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，这项研究提供了一个真正的机会，可以识别出更多有心房颤动风险的人群，使他们受益于预防中风的治疗。”
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心房颤动这样的疾病。”
“如果这项研究成功，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心房颤动的人数，使他们得到所需的治疗，以降低中风风险。”
(全文结束)
