AI新技术：用常规心电图提前预警猝死！

心源性猝死常毫无征兆地发生在看似健康的人身上，一旦发作，数分钟内即可致命。长期以来，医生难以准确判断哪些人最脆弱。近日，加州大学伯克利分校科学家开发的一种人工智能系统，或许能改变这一局面——它能从最常规的心电图（EKG）中识别出与猝死风险升高相关的细微电信号模式，表现优于传统临床筛查方法，该研究已发表于《自然》杂志。

为训练该系统，研究人员分析了瑞典医疗体系六年间收集的超过44万份心电图，并将其与死亡证明匹配，让AI学习与后续心源性猝死相关的电信号特征。随后，团队又用来自圣地亚哥和台北的独立患者数据检验算法的可靠性。结果显示，该模型能捕捉到常规临床评估往往忽视的心电图波形细微变化，尽管这些模式背后的生理机制尚不清楚。

目前，医生主要通过测量射血分数来判断猝死风险，并据此决定是否植入心律转复除颤器。但问题在于，被认定为高危的患者中约三分之二植入的设备从未触发过电击；而许多最终猝死的人，生前并未接受足以发现问题的专项心脏评估。新AI系统识别出的一组患者，其年猝死发生率为7%，高于按传统标准划为高危者的4.6%，其中不少人按现行标准并不属于高危人群，说明常规心电图有望发现被遗漏的患者。

每年有超过30万美国人死于心源性猝死，院外心脏骤停患者中约90%最终未能存活。研究首席作者、伯克利公共卫生学院副教授齐亚德·奥伯迈尔表示：“我们不仅能够做出更明智的决策，还能在患者心脏停搏之前，开始深入了解他们的真实病情。”目前，团队正与瑞典、台湾和美国的医疗系统合作，将算法应用于医院心电图数据库，高风险患者可获配戴式监测设备，以持续记录心电活动，帮助研究人员弄清哪些生理变化产生了AI检测到的模式，并为植入式除颤器的临床决策提供依据。不过，利用该算法指导治疗能否真正降低死亡率，仍需更多研究验证。奥伯迈尔强调：“良好的人工智能始于优质的数据”，而这类大规模高精度数据极难获取，正是临床AI应用寥寥无几的重要原因。研究人员希望，通过研究模型识别出的电生理异常，最终提升风险预测能力，加深对猝死生物学过程的理解。医学新闻 常规心电图可以预警猝死 猝死