2025年9月17日
约翰斯·霍普金斯大学研究人员开发的一种新型人工智能模型，发现常规心脏检查中此前未被察觉的信号，这些信号能强有力地预测哪些患者术后会出现潜在致命的并发症。该模型的表现显著优于医生目前依赖的风险评分系统。
这项由联邦政府资助的研究，将标准且廉价的测试结果转化为潜在的救命工具，有望彻底改变患者和外科医生的决策过程及风险计算。
“我们证明，基本的心电图包含肉眼无法识别的重要预后信息，”约翰斯·霍普金斯医学院信息学、整合与创新部门主管、资深作者罗伯特·D·史蒂文斯表示，“我们只能通过机器学习技术提取这些信息。”
研究结果于今日发表在《英国麻醉学杂志》上。
相当一部分人在大型手术后会出现危及生命的并发症。医生目前依赖的风险评分系统仅在约60%的病例中准确。
为了创建更准确的健康风险预测方法，约翰斯·霍普金斯团队转向了心电图（ECG），这是一种在大型手术前广泛进行的标准术前心脏检查。它通过电信号快速、无创地评估心脏活动，并能提示心脏病。
但史蒂文斯表示，心电图信号还能捕捉到其他更微妙的生理信息，霍普金斯团队怀疑如果人工智能能帮助他们看到这些信息，可能会发现一个丰富的预测数据宝库。
“心电图不仅包含关于心脏的许多有趣信息，还涉及心血管系统，”史蒂文斯说，“炎症、内分泌系统、代谢、体液、电解质——所有这些因素都会影响心电图的形态。如果我们能获得一个非常大的心电图结果数据集，并用深度学习进行分析，我们推断可以获取临床医生目前无法获得的有价值信息。”
研究团队分析了来自波士顿贝斯以色列女执事医疗中心37,000名手术患者的术前心电图数据。
该团队训练了两个人工智能模型，用于识别可能在术后30天内发生心脏病、中风或死亡的患者。一个模型仅基于心电图数据训练。另一个模型被称为“融合”模型，将心电图信息与患者医疗记录中的更多细节（如年龄、性别和现有医疗状况）结合起来。
仅使用心电图数据的模型在预测并发症方面优于当前的风险评分，但融合模型更胜一筹，能够以85%的准确率预测哪些患者会遭受术后并发症。
史蒂文斯团队利用人工智能从这些常规心脏检查中提取此前未被发现的信号，从而强有力地预测患者术后可能发生的致命并发症。
“令人惊讶的是，我们可以利用这种常规诊断，仅凭10秒钟的数据，就能很好地预测某人术后是否会死亡，”主要作者、生物医学工程博士生卡尔·哈里斯表示，“我们有了一个真正有意义的发现，可以改善手术风险评估。”
该团队还开发了一种方法，用于解释心电图的哪些特征可能与术后心脏病或中风相关。
“你可以想象，如果你要接受大型手术，心电图不再只是存入你的病历中无人问津，而是通过模型运行后，你能获得风险评估，并与医生讨论手术的风险和益处，”史蒂文斯说，“这在评估患者风险方面是一个变革性的进步。”
接下来，该团队将在更多患者的数据集上进一步测试该模型。他们还希望对即将接受手术的患者进行前瞻性测试。
该团队还想确定人工智能还能从心电图结果中提取哪些其他信息。
作者均来自约翰斯·霍普金斯医学院和怀廷工程学院，包括安万·平帕卡尔、阿泰斯·阿加瓦尔、季远·杨、肖健·陈、塞缪尔·施密加尔、桑帕斯·拉普里、约瑟夫·L·格林斯坦和凯西·O·泰勒。
该研究由美国国家科学基金会研究生研究奖学金（项目编号DGE2139757）资助。
本故事最初发表于《Hub》。
【全文结束】
