有研究结果显示,人工智能(AI)可在无症状阶段提前预测未来发生心房颤动的风险,并能实际帮助医护人员进行临床决策。
梨大木洞医院31日表示,循环内科教授朴俊范、泌尿医学科教授申泰荣与梨大首尔医院循环内科教授金艺智组成的共同研究团队,在按OOIR统计位居“卫生保健科学与服务(Health Care Sciences & Services)”领域全球第一的学术期刊《npj 数字医学(npj Digital Medicine)》上发表了关于“AI算法在临床决策中对数日内发生心房颤动预测的影响”的论文。
心房颤动是指心脏上部的心房出现无序而快速的电信号,导致心房无法规律收缩而细微颤动的状态。脉搏每分钟100~160次,非常不规则,并伴有心悸或气短症状。心房颤动是一种常见的心律失常疾病,成年人中每4人就有1人至少经历过一次。若放任不管,可能引发脑卒中、心肌梗死等致命疾病,甚至导致死亡。因为发生心房颤动后,血液无法正常泵向颈动脉和脑血管,血液滞留在心脏,容易形成血栓。但如果症状模糊或间断出现,就很难在严重并发症出现前及早发现。全部心房颤动患者中约30%没有明显症状,而且症状间断出现时,仅靠在医院检查一次难以捕捉,这也是局限所在。
研究团队开发出一种AI模型,即使平时没有明显异常症状,仅凭常规心电图检查也能提前预测3天至一个月内发生心房颤动的风险。随后利用梨花医疗院自有数据、国内7家大学医院参与的前瞻性队列“PROVISION-AF”以及美国贝斯以色列女执事医疗中心的大规模外部数据等合计超过11万名患者的数据,进行了多角度验证。
分析显示,利用小型心脏记录仪进行的动态心电图(Holter)检查的预测准确度指标(AUROC)在院内自身验证中为0.87,在以实际患者为对象的其他医院外部验证中为0.75,表现出优异性能。
为评估AI预测信息对实际临床决策的影响,研究团队针对韩国、美国等多国籍的70名医生开展了结构化模拟问卷研究。结果显示,利用AI提供的风险预测信息后,医生对心房颤动风险的辨别力从原来的0.573显著提升至0.650。阴性预测值(NPV)也从0.764提高到0.839。这意味着在经检查判断为“心房颤动风险低”的100人中,实际未发生心房颤动的人数从约76人增加到84人。判别正常患者的能力也大幅改善,有助于减少过度监测、高效分配医疗资源。这一效果与专业科室或从业年限无关,在普通心内科专科医生中最为明显。
朴俊范教授表示:“本次研究的意义在于确认了基于AI的心电图模型超越单纯预测,在实际临床现场可作为补充医护人员诊断准确度、精细化患者管理策略的实用数字决策支持工具的可能性。”






