2024-10-25 | 안경진 의료전문기자

猝死主因“心房颤动”即便无症状,AI也能揪出

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

被称为猝死主要元凶的心房颤动,如今有望借助人工智能(AI)技术实现早期诊断。

三星首尔医院循环内科教授朴庆敏、金珠妍研究团队25日宣布,与数字医疗企业Welysis合作,利用心电图(ECG)检查开发出可预测心房颤动发病的AI模型。心房颤动是指构成心脏的两个心房与心室中,心房产生无序电信号,从而引发极快且不规则脉搏的疾病。它是心律不齐中最常见的类型,但早期往往无症状。即便做检查,心电图也可能显示正常,容易漏诊。正因如此,不少病例是在心房颤动引发的血栓堵塞血管、导致脑卒中、心力衰竭等致命并发症之后,才发现曾存在心房颤动。

研究团队以2010年1月至2021年5月期间就诊于三星首尔医院、三星昌原医院、江北三星医院的17万6090人的41万5964份12导联心电图数据,通过机器学习方法进行训练,构建了AI模型。研究对象在首次心电图检查中均为正常节律,其中1万1810人日后被诊断为心房颤动。

研究团队将对象分为心房颤动患者与无心房颤动的16万4280人两组,随后训练AI模型使其能够区分心电图检查结果是否存在差异。考虑到每位患者的就诊原因和检查次数各不相同,团队开发了两种模型:仅接受一次心电图检查的情形,以及定期到院接受心电图检查的情形。研究团队基于三星首尔医院、原州世韩基督医院中500名心律正常者与500名呈现心房颤动节律者的数据进行模型验证,结果显示以多次检查为前提构建的AI性能更为精准。

利用因慢性病多次就诊者数据的多次模型,敏感度为0.810、特异度为0.822、准确度为0.816。仅凭一次心电图检查预测心房颤动的单次模型,敏感度0.744、特异度0.742、准确度0.743,相对低于多次模型。新的AI模型不仅准确度高于既有模型,还克服了此前被视为局限的可解释性不足问题,因而受到学界关注。研究人员在本次研究中还揭示,心电图呈现的多种波形中,心房收缩时出现的P波的细微变化是预测心房颤动的重要因子。这意味着,当捕捉到该波形细微变化的AI模型发出心房颤动风险警示时,可协助医生通过追加检查予以确诊。

朴教授表示:“我们看到了利用AI更早预测并及早管理心房颤动的可能性”,“期待其在实际临床中用于心房颤动的早期诊断与治疗”。本次研究由跨部门全周期医疗器械研发事业团资助开展,并刊载于《美国心脏协会杂志》最新一期。

/医疗专业记者 安庆珍 realglasses@sedaily.com

阅读韩文原文