近日，美国斯克里普斯研究所（ScrippsResearch）的科学家们开发了一种新的人工智能（AI）模型，该模型能够更准确地识别心房颤动(AFib)的风险。这项研究成果发表在年12月12日的《npj数字医学》（npjDigitalMedicine）杂志上。
据了解，心房颤动（AFib）这种不规则且快速的心跳与中风、心力衰竭等严重并发症有关。AI模型通过捕捉正常心跳中的微妙变化来预测AFib风险，而传统的筛查测试可能无法检测到这些变化。为此，研究团队分析了近50万志愿者的数据，这些人佩戴心电图贴片记录了两周的心律，作为对AFib和其他心脏疾病的常规筛查测试。
人工智能模型进一步分析了这些数据，寻找除了AFib本身之外的模式，以区分患有AFib的人和没有AFib的人。这一新模型有望更好地识别出具有AFib风险的人群，从而预防心脏病的严重后果，包括中风和心力衰竭。
该项研究的合著者乔治·奎尔（GiorgioQuer）博士表示：“借助这个新工具，我们可以更好地识别AFib高风险患者，并进行进一步的测试和干预。这有助于将合适的资源分配给合适的人，最终降低中风和心力衰竭的发病率。”
他表示，心房纤颤导致的心律不齐会导致血液在心脏内淤积，形成血栓，进而引发中风。此外，AFib还与心力衰竭或死亡的风险增加相关。为防止已知AFib患者的并发症，临床医生通常会开出抗凝剂等药物以及建议生活方式和药物治疗。然而，诊断AFib可能很困难，因为许多患者仅偶尔出现心律不齐，或者几乎没有症状。
在这种情况下，患者可能会被推荐使用一个简单的可穿戴心电图ECG贴片，在家中进行一到两周的监测。但是，即使是在两周的时间内，偶尔患有心房颤动的人也可能不会被设备检测到。因此，乔治·奎尔与生产ZioXT可穿戴心电图贴片的心律节律技术公司合作，开始在AFib患者的心电图数据进行研究。
研究团队开发了一个人工智能深度学习模型，分析了,人佩戴家用心电图贴片两周的数据。尽管从每个心电图中只使用了一天不含AFib的数据，但模型仍能区分“晚期AFib”患者和“非AFib”患者。
值得注意的是，即使将所有已知的AFib风险因素纳入人工智能模型，包括人口统计数据和ECG测量（如不同心跳之间的可变性），机器学习模型在预测AFib风险方面仍然更为准确。
虽然，该模型不是用于诊断AFib，但它为筛选AFib风险增加或出现症状的人提供了帮助。通过这种算法，在佩戴心电图贴片一天后，便可确定是否建议进行更长时间的测试。或者，该模型可以分析一到两周的心电图数据，以确定即使在这段时间内没有任何心房颤动，从而确实是否需要进行重复测试。
据悉，研究人员计划进行一项前瞻性研究，并将其他数据来源（如电子病历）整合到他们的模型中，以进一步改进模型。
当前，人工智能已经普通用于各行各业，但医疗保健行业都还持谨慎状态，尤其是用于疾病的诊断，研究人员发现人工智能经常出现“幻觉”，也就是误诊。但如果可以能过人工智能及时发现和预防一些重大疾病，那么它的益处就可能大于风险。
欢迎点赞、评论、转发、收藏，感谢您的支持！
#探秘硬核知识#转载请注明：http://www.fbrmw.com/yyzn/20914.html
