在《欧洲心脏杂志》发表的一项研究中，研究人员发现，他们开发的人工智能（AI）可以从心电图（ECG）中识别出心脏结构的早期变化。心电图是一种常见测试，用于显示心脏的电活动。这种先进的算法能够在超声波扫描检测到症状或物理变化之前，就发现心脏瓣膜的问题——这些瓣膜负责保持血液在心脏腔室之间正确方向流动。
该AI可以准确预测哪些患者会发展为心脏二尖瓣、三尖瓣或主动脉瓣的显著泄漏，这些疾病统称为反流性瓣膜疾病。AI在心电图检查后几年内（从高到低）正确识别瓣膜泄漏风险的能力约为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。
帝国理工学院伦敦国家心肺研究所的学术临床讲师和帝国理工医疗NHS信托的心脏病注册医生Arunashis Sau表示：“与其等待症状出现，或仅依赖昂贵且耗时的影像学检查，我们可以通过AI增强的心电图更早地识别出那些风险最高的人。”
该研究团队估计，全球约有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。早期诊断对成功治疗至关重要。然而，症状如呼吸急促、头晕、疲劳和心悸可能被误认为其他原因，而一些患者直到疾病进展到晚期才表现出任何症状。
Sau表示：“我们的心脏是一个极其复杂且勤劳的器官，但除非出现问题，我们很少关注它。当症状和结构变化出现时，往往为时已晚。我们的研究利用AI从简单而常见的测试中检测最早期的细微变化，我们认为这将对医生和患者产生变革性影响。与其等待症状出现，或仅依赖昂贵且耗时的影像学检查，我们可以通过AI增强的心电图更早地识别出那些风险最高的人。这意味着更多人可以在病情影响生活质量或危及生命之前获得所需的治疗。”
这项研究是帝国理工学院与位于上海中山医院的中国研究人员之间的国际合作成果。AI模型使用了来自中国超过40万名患者的大约100万份心电图和心脏超声（超声心动图）记录进行训练。该技术随后在美国超过34,000名患者中进行了测试，结果显示它在不同种族群体和医疗系统中均表现良好。
心脏瓣膜问题最初可能表现为心脏电活动的微小变化，这些变化对医生来说并不明显。这些电活动变化会随着时间变得更大，但此时症状往往已经出现。AI系统能够比症状出现之前更早地检测到这些微妙的电模式。
帝国理工学院国家心肺研究所心脏电生理学高级讲师兼帝国理工医疗NHS信托和切尔西及威斯敏斯特医院NHS基金会信托的心脏病专家Dr Ng表示：“AI在改善全球医疗保健方面具有巨大潜力，但这需要大量数据来训练和测试这些算法。我们的研究展示了这一快速发展的领域中国际合作的好处。通过在一个几乎完全是中国人口的样本中训练模型，然后在美国人群中进行测试，我们可以证明我们的AI工具可以在全球范围内应用。这意味着它最终可以帮助更多患者。”
这项研究建立在团队开发的AI-ECG风险评估模型——AIRE的基础上，该模型可从心电图中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，以预测如女性心脏病风险、健康风险（包括早逝）、高血压和2型糖尿病等问题。
在NHS中对AIRE的试验已计划于2025年底进行。这些试验将在帝国理工医疗NHS信托和切尔西及威斯敏斯特医院NHS基金会信托的医院中对真实患者实施该模型，以评估其益处。
这项研究由英国心脏基金会通过向Arunashis Sau提供BHF临床研究培训奖学金、向Fu Siong Ng提供BHF项目资助，以及帝国理工学院的BHF研究卓越中心资助。研究还得到了NIHR帝国生物医学研究中心的支持，该中心是帝国理工医疗NHS信托和帝国理工学院之间的转化研究合作伙伴关系。
来源：帝国理工学院伦敦
【全文结束】
