由心律失常引起的心源性猝死占全球所有死亡人數(shù)的 20%，但我們往往對它發(fā)生的原因或如何判斷誰處于危險中知之甚少。有些患者心源性猝死的風險可能較低，不需要使用除顫器，而有些高風險患者沒有得到他們需要的治療，可能會在生命的黃金時期死亡。

　　近日，約翰霍普金斯大學開發(fā)了一種新的人工智能算法，可以比醫(yī)生更準確地預測患者是否以及何時死于心臟驟停。該技術以患者心臟的原始圖像為基礎，將徹底改變臨床決策并提高突發(fā)性和致命性心律失常的存活率。

　　該研究團隊是第一個使用神經網絡為每位心臟病患者建立個性化生存評估的團隊。這些風險測量提供了 10 年內心源性猝死的高準確度，以及最有可能發(fā)生的時間。

　　研究人員使用對比度增強的心臟圖像，來可視化約翰霍普金斯醫(yī)院數(shù)百名患者的心臟疤痕分布，以訓練一種算法來檢測肉眼不可見的模式和關系。當前的臨床心臟圖像分析僅提取簡單的疤痕特征，如體積和質量，未充分利用這項工作中證明的關鍵數(shù)據。

　　該團隊還訓練了第二個神經網絡，以從 10 年的標準臨床患者數(shù)據、患者年齡、體重、種族和處方藥使用等 22 個因素中 " 學習 "。

　　該算法的預測比醫(yī)生準確得多，而且在美國 60 個醫(yī)療中心的測試中得到了驗證。這些患者具有不同的心臟病史和不同的成像數(shù)據，表明該平臺可以被用于任何地方。

　　研究人員表示，這有可能顯著影響有關心律失常風險的臨床決策，體現(xiàn)了人工智能為醫(yī)療保健帶來的益處。

　　該研究論文題為 "Arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart"，已發(fā)表在《自然心血管研究》上。

　　論文原文：https://www.nature.com/articles/s44161-022-00041-9