一项NOAH-AFNET 6试验子研究表明，亚临床房颤（AF）的负荷量无法预测卒中或其他栓塞事件风险，也无法指导直接口服抗凝治疗的决策。
对于卒中、系统性栓塞或心血管死亡的综合风险，房颤负荷低于或等于1%（P=0.313）以及高于1%（P=0.440）均未显示出显著相关性。依度沙班与安慰剂的治疗效果差异亦不受负荷影响（交互作用P=0.254）。单独分析缺血性卒中或系统性栓塞时，结果同样如此。
荷兰马斯特里赫特大学的Ulrich Schotten医学博士在芝加哥举行的心律学会（HRS）2026年会上报告该结果时表示：“这意味着在植入设备检出房颤的患者中，决策抗凝治疗时需考虑房颤负荷以外的患者特征。”
Schotten指出，在临床确诊的房颤中，“房颤持续时间与卒中风险存在定量关系”。纽约-长老会/哥伦比亚大学医学中心的Elaine Wan医学博士作为会议讨论专家提出核心问题：“什么程度的房颤负荷对治疗决策具有临床意义？”
Schotten认为关键因素可能是NOAH-AFNET 6试验中房颤负荷普遍较低：在1693例可计算负荷的患者中，仅0.4%检出房颤，其中21.5%的负荷超过1%。
该试验先前公布的主结果显示，对2536例经植入设备检出房颤但无临床诊断、且存在卒中风险的患者，依度沙班在预防卒中、系统性栓塞或心血管死亡方面未显着优于安慰剂，反而增加不良事件风险。后续ARTESIA试验证实，类似人群中阿哌沙班可降低卒中或系统性栓塞风险，但出血风险同样升高。两项试验共同提示：抗凝效果可能存在但弱于临床确诊房颤患者。
子研究试图甄别影响抗凝决策的患者特征，发现CHA2DS2-VASC评分高于4分、既往卒中或血管疾病患者更可能从抗凝治疗中获益，但房颤发作时长或频率等亚临床特征无相关性。
Schotten强调：“这些研究整体表明，在负荷极低的群体中，其他因素对卒中风险的贡献度至少同等重要，甚至可能更强。”他补充道，房颤负荷微小差异与治疗效果无关联的现象并不意外，“这不仅适用于设备检出的房颤，可能也适用于导管消融术后场景。”
该子研究在房颤负荷评估方法学上具有开创价值。研究人员采用基于人工智能的技术，从11,964份常规起搏器报告（平均每人4份）的PDF文件中提取数据，发现大语言模型提取房颤负荷的准确率达99.0%。研究还验证了以模式转换作为负荷替代指标的可行性——该方法与人工核查结果高度一致，准确率达98.6%。
Schotten表示：“大语言模型辅助提取常规设备报告中的房颤负荷，有助于突破二元房颤分类的局限，实现个体化风险分层。”但Wan指出该方法仅成功处理48%的起搏器报告，并提出如何提高提取成功率的问题。她表示：“本届HRS会议上，我们都希望了解人工智能和大语言模型如何整合到临床工作流程中。”
本研究部分由德国联邦教育与研究部、第一三共欧洲公司资助，并获得欧盟IHI网络AF B STEP项目支持。Schotten披露与荷兰心脏基金会、欧盟、Leduca基金会、罗氏、EP Solutions等机构存在合作关系。Wan披露与波士顿科学和雅培公司存在合作关系。
Crystal Phend是屡获殊荣的医学记者，拥有数十年跨专科临床研究与医疗健康发展的报道经验。未在医学会议现场时，她常在纽约州北部的键盘前工作。
【全文结束】