纽约西奈山健康系统的研究团队开发出一种新型人工智能模型，能够为心房颤动（AF）患者提供个性化的抗凝治疗建议，精准判断是否需要使用抗血栓药物以预防中风。该模型有望彻底改变当前基于群体统计的风险评估方式，推动临床决策迈向个体化新时代。 心房颤动是全球最常见的心律失常，影响约5900万人。在该病中，心脏上腔室颤动，导致血液滞留并形成血栓，可能引发中风。目前标准治疗是使用抗凝药降低血栓风险，但这类药物也可能引发严重出血，因此治疗需权衡利弊。 传统方法依赖于群体层面的风险评分工具，无法准确反映个体患者的独特风险。而新AI模型则利用患者完整的电子健康记录，整合超过2100万次就诊记录、8200万份医疗笔记和12亿个数据点，对每位患者进行个性化分析。模型综合评估中风和严重出血的风险，生成“净获益”推荐，决定是否用药。 研究团队在西奈山系统内对3.8万名AF患者进行了内部验证，并在斯坦福大学公开数据集中的1.28万名患者中进行了外部验证。结果显示，该模型建议不使用抗凝药的患者比例高达一半，而这些患者原本会根据现行指南接受治疗。这表明模型能更精准识别低风险人群，避免不必要的用药和出血风险。 研究负责人Joshua Lampert博士表示，这一成果标志着抗凝治疗管理的深刻变革，真正实现以患者为中心的临床决策。模型不仅能生成初始建议，还能根据患者最新健康数据动态更新，减轻医生的认知负担。 共同负责人Girish Nadkarni博士指出，该模型通过分析海量电子病历，为患者提供个性化的中风与出血风险概率，支持医患共同决策，推动精准抗凝治疗的发展。 研究团队强调，该技术将患者常问的“这对我意味着什么？”转化为可量化的个体风险预测，使诊疗更加透明、科学。若未来随机对照试验验证其效果，该AI模型有望显著改善AF患者的治疗效果与生活质量。