背景：既往心房颤动筛查试验表明需要更具针对性的筛查策略。本研究开展了一项实用性研究，评估人工智能（AI）算法引导的靶向筛查方法在识别隐匿性心房颤动方面的有效性。
方法：在这项非随机干预试验中，我们前瞻性纳入了具有中风风险因素但无已知心房颤动且在常规诊疗中已完成心电图（ECG）检查的患者。受试者佩戴连续动态心律监测器长达30天，监测数据通过蜂窝网络近乎实时传输。AI算法对心电图进行分析，将患者分为高风险或低风险组。主要终点为新诊断的心房颤动。在二次分析中，通过倾向评分1:1匹配，将试验参与者与符合条件但未入组的真实世界人群进行对照比较。本研究已在ClinicalTrials.gov注册（编号NCT04208971）。
发现：来自美国40个州的1003名患者（平均年龄74岁，标准差8.8岁）完成了研究。在平均22.3天的连续监测期间，低风险组370名患者中有6例（1.6%）检出心房颤动，高风险组633名患者中有48例（7.6%）检出心房颤动（比值比4.98，95%置信区间2.11-11.75，p=0.0002）。与常规护理相比，AI引导筛查显著提高了心房颤动检出率（高风险组：常规护理组3.6%[95%置信区间2.3-5.4]，AI引导筛查组10.6%[8.3-13.2]，p<0.0001；低风险组：0.9% vs 2.4%，p=0.12），中位随访时间为9.9个月（四分位距7.1-11.0）。
解释：这种利用现有临床数据的AI引导靶向筛查方法显著提高了心房颤动检出率，有望改善心房颤动筛查的整体效能。研究经费由梅奥诊所Robert D和Patricia E Kern医疗保健科学中心提供。
【全文结束】
