利用来自不同患者群体的数据，先进的AI心电图模型AIRE能够精准预测心脏病风险和死亡率，为临床医生提供更精准的长期患者护理工具。这项研究发表在《柳叶刀数字健康》杂志上，研究人员开发并验证了一种新型人工智能（AI）增强型心电图（ECG）模型，该模型能够结合患者的医疗历史和影像结果，准确预测死亡率和心血管疾病（CVD）风险。
尽管这不是首次尝试使用AI进行疾病和死亡率预测，但这一实施克服了先前模型的时间性、生物学合理性和可解释性的限制，使其能够生成支持临床实践中有行动意义的预测。研究发现，这种新型模型（命名为AIRE）可以准确预测全因死亡率、室性心律失常、动脉粥样硬化性CVD和心力衰竭风险。它在计算短期和长期风险评估方面超过了传统AI模型，为临床医生提供了短期内单点诊断预测的见解，并建议为剩余的药物支持提供长期、渐进的干预措施。
背景
心电图（ECG）是非侵入性的、图形化的心血管电活动评估方法。该技术涉及在患者胸部、手臂和腿部的战略位置放置外部电极，为临床医生提供心脏电信号和节律的视觉表示。心电图在心血管评估中已成为常规检查手段，其方法在过去100多年中几乎没有变化。
近年来，计算机处理能力的进步和下一代预测机器学习（ML）模型的出现引起了研究界的兴奋。自2020年以来，一些研究试图利用基于心电图数据训练的人工智能（AI）模型来预测患者的心血管疾病（CVD）和死亡率风险，这些研究突显了模型在几乎所有AI疾病/死亡率风险预测应用中的表现，AI模型的诊断和预测性能与人类专家预测相当或超过人类专家预测。因此，AI模型有潜力减轻临床医生的负担（特别是地理决定的医生数量与患者数量的比例），特别是在农村和欠发达地区，同时加快诊断速度并减少患者的经济负担。
不幸的是，尽管经过临床试验的安全性和性能验证，AI增强型心电图模型在实际心电图应用中很少被使用。现有的死亡率预测模型受限于仅在单一或少数设定时间点预测生存期，且不提供具体的行动路径信息。高风险预测对于临床医生来说是无用的，如果没有任何伴随信息来改善患者的生存轨迹。因此，使AI-ECG预测更具行动性需要考虑时间事件预测和特定疾病的预防及疾病修饰治疗的具体预测。
研究内容
在本研究中，研究人员开发、训练和验证了八个新型AI-ECG风险评估（AIRE）模型（统称为“AIRE平台”），旨在预测死亡风险（全因和心血管）而不受先前AI实现的限制。研究数据来自五个地理位置不同的来源，接受的临床护理重叠最小。这些数据包括贝斯以色列女执事医疗中心（BIDMC）队列（二级患者护理数据集）、圣保罗-米纳斯吉拉斯热带医学研究中心（SaMi-Trop）队列（慢性查加斯心肌病数据集）、成人健康纵向研究（ELSA-Brasil）队列（公务员）、英国生物银行（UKB）队列（志愿者）。此外，数字心电图临床结果（CODE）队列还用于微调模型性能。
AIRE的独特方法使用患者特定的生存曲线，使其能够预测“生存时间”，而不仅仅是提供固定时间点的风险。AI模型开发使用BIDMC队列进行模型推导。数据集随机分为训练集（50%）、验证集（10%）和内部测试集（40%）。基于残差块的卷积神经网络架构允许研究人员采用离散时间生存方法，创建考虑参与者死亡和审查（随访无法进行）的患者特定生存曲线。CODE队列数据相关的模型改进涉及使用75%的数据集进行模型参数微调，5%用于广义（外部）验证，20%用于内部初级保健验证。此外，还使用类似的方法衍生了五个其他模型，分别针对心血管死亡（AIRE-CV死亡）、非心血管死亡（AIRE-NCV死亡）、动脉粥样硬化性心血管疾病（AIRE-ASCVD）、室性心律失常（AIRE-VA）和心力衰竭（AIRE-HF）。
统计分析用于衡量模型性能，特别是与人类专家感知和斯坦福心电图风险估计器（SEER）相比。Cox模型（调整了人口统计学、临床数据和影像参数）和Kaplan-Meier曲线用于计算不同模型的准确性。生物学合理性通过全表型关联研究（PheWAS）和全基因组关联研究（GWAS）来解释，以识别相关的心脏和代谢标志物。
研究发现
AIRE的专门模型可以区分不同的心血管结局，如动脉粥样硬化性CVD、心力衰竭和室性心律失常，提供有针对性的干预的细致预测。保留测试结果显示，AIRE可以预测全因死亡率，一致性值为0.775。值得注意的是，该平台在整体（AIRE Cox C指数=0.794）和心血管死亡预测（C指数=0.844）方面的表现均优于传统风险因素预测（累积C指数=0.759），突显了模型的准确性。特别值得一提的是，AIRE能够准确预测没有个人或家族CVD史的参与者的心力衰竭事件，这一点尤其重要，因为这些人群的传统诊断通常会延迟。
令人鼓舞的是，即使在提供单导联心电图数据（来自消费设备；临床心电图设备使用8-12个导联）的情况下，AIRE的结果仍然稳健，突显了该平台在家庭CVD风险监测中的应用潜力。PheWAS和GWAS分析显示，该模型提供了足够的生物学合理性，解释了替代肺压测量值和心室直径与预测生存率呈负相关，而左心室射血分数（LVEF）则呈正相关。
结论
本研究开发并验证了目前最实用的AI增强型心电图评估平台——AIRE平台。研究发现，该平台在预测准确性方面优于传统的人类预测和类似的旧一代AI模型，而无需后者所需的demographic或医疗历史数据。值得注意的是，即使在提供来自消费设备的单导联数据时，该模型仍然稳健，突显了AIRE在远程患者监测中的潜力，特别是在那些没有医疗CVD史或在偏远地区缺乏适当临床支持的人群中。
AIRE平台是一个可操作、可解释且生物学合理的AI-ECG风险评估平台，具有在全球范围内广泛临床背景下使用的潜力，包括初级和二级护理，适用于短期和长期风险预测，无论是人口层面还是特定疾病层面。
(全文结束)
