一项发表于《欧洲心脏杂志》的研究发现，人工智能（AI）可以通过心电图（ECG）检测心脏结构的早期变化。心电图是一种常见的检查方法，能够显示心脏的电活动。
这种先进的算法可以在症状或超声扫描能够检测到的物理变化出现之前，识别心脏瓣膜的问题。心脏瓣膜负责确保血液在心脏腔室之间正确流动。
该人工智能能够准确预测哪些人将发展为严重的二尖瓣、三尖瓣或主动脉瓣反流（即瓣膜关闭不全），这些疾病被称为反流性瓣膜疾病。在心电图之后的几年中，该AI能够正确识别从高到低风险的瓣膜泄漏风险，准确率约为69-79%。
被算法标记为“高风险”的人群，发展为这些疾病的可能性是低风险人群的10倍。
来自帝国理工学院和帝国理工学院医疗保健NHS信托基金的研究团队表示，他们的人工智能增强预测技术可能彻底改变医生对心脏瓣膜疾病治疗的方式。
据估计，全球有4100万人患有这些心脏瓣膜疾病，其中包括英国的150万人。这些疾病可能导致心力衰竭、住院甚至死亡。早期诊断对于成功治疗至关重要。但这些症状可能包括气短、头晕、疲劳和心悸，容易与其他原因混淆，而有些患者直到疾病晚期才表现出症状。
帝国理工学院国家心肺研究所的学术临床讲师兼帝国理工学院医疗保健NHS信托基金的心脏病注册医师Arunashis Sau博士表示：“我们的心脏是一个极其复杂且勤奋工作的器官，但我们很少去关注它，除非出了问题。等到心脏出现症状和结构性变化时，可能已经太晚了。我们的研究利用人工智能，从简单且常见的测试中检测最细微的变化，我们认为这将对医生和患者产生真正的变革。通过人工智能增强的心电图，我们可以比以往更早地发现最有可能患病的人，而不是等待症状出现，或仅依赖昂贵且耗时的影像检查。这意味着在隐藏的病情影响生活质量或危及生命之前，更多人可以得到所需的护理。”
这项研究是帝国理工学院研究人员Arunashis Sau博士和Fu Siong Ng博士与中国研究人员合作开展的国际项目的一部分。研究团队在中国中山医院使用近100万份心电图和心脏超声（超声心动图）记录训练AI模型，这些记录来自中国超过40万名患者。该技术随后在美国34,000多名患者中进行了测试，结果显示它在不同种族群体和医疗体系中均表现良好。
心脏瓣膜问题可能最初表现为心脏电活动的微小变化，这些变化医生无法察觉。这些电活动变化会逐渐变大，但此时通常已经开始出现症状。人工智能系统可以更早地检测到这些细微的电模式变化，希望能在症状出现之前就进行干预。
Fu Siong Ng博士是该研究的资深作者，他在帝国理工学院国家心肺研究所担任心脏电生理学读者，同时是帝国理工学院医疗保健NHS信托基金和切尔西及威斯敏斯特医院NHS基金会信托基金的心脏病顾问。他表示：“人工智能在改善全球医疗方面具有巨大潜力，但需要大量数据来训练和测试这些算法。我们的工作展示了在这个快速发展的领域中国际合作的好处。通过在中国几乎全部人口中训练模型，并在美国队列中进行测试，我们展示了我们的AI工具具有在全球多个国家和环境中应用的潜力。最终，这意味着它可以帮助更多的患者。”
这项研究是在团队开发的AI-ECG风险评估模型AIRE的基础上进行的，该模型可以通过心电图预测患者发展和恶化疾病的风险。该项目的其他AI模型已被训练用于分析心电图，以预测女性心脏病风险、健康风险（包括早逝）、高血压和2型糖尿病等。
帝国医疗保健NHS信托基金和切尔西及威斯敏斯特医院NHS基金会信托基金计划于2025年底在英国国家医疗服务体系（NHS）中进行AIRE模型的试验。这些试验将评估在真实患者中实施该模型的效果。
这项研究得到了英国心脏基金会（BHF）的资助，包括为Sau博士提供的BHF临床研究培训奖学金，以及为Fu Siong Ng博士提供的BHF项目资助和帝国理工学院伦敦BHF研究卓越中心的资助。此外，研究还得到了英国国家健康研究所（NIHR）帝国生物医学研究中心的支持，该中心是帝国理工学院医疗保健NHS信托基金和帝国理工学院之间的转化研究合作伙伴关系。
【全文结束】
