研究人员开发出新型人工智能模型，能够通过分析电子健康记录和心电图，精准识别普通人群中突发心脏骤停的高危个体。这一成果对于预测这种年导致美国超 40 万人死亡且存活率仅为 10% 的紧急医疗状况具有重大意义。华大医学院心脏病专家尼尔·查特里杰博士指出，利用人工智能和健康数据预测普通人群的心脏骤停已成为可能。相关研究发表于《JACC： Advances》杂志。 本次研究涵盖了美国某大型医疗系统中约 170 万名患者。研究团队构建了三种 AI 模型：仅基于心电图、仅基于包含 156 项临床特征的电子健康记录，以及整合两者的综合模型。在真实世界队列验证中，综合模型成功预测了 228 名高危患者中的 153 人实际发生了心脏骤停。查特里杰表示，该模型将预测风险概率从千分之一提升至百分之一，使原本理论上的风险变得清晰可感。 研究还发现，仅靠增强型心电图分析就具备强大的预测能力，略低于包含电子健康记录的组合模型。由于 12 导联心电图成本低廉且普及率高，这一发现有望在全球范围内辅助社区患者进行风险分层。此外，模型还识别出除传统心血管疾病外的风险因素，如电解质紊乱、药物使用及药物相互作用等可调整因素。 尽管前景乐观，研究仍存在局限性。数据仅来源于单一医疗系统，其结论在不同人口结构和护理模式的群体中是否适用尚待验证。此外，参与心电图检查的人群可能与未检查者存在差异，模型可能隐含特定的人口统计学偏差。查特里杰强调，未来需进一步研究当模型预警后，应采取何种筛查、监测或干预措施，以确保临床转化的有效性。