美国西达赛奈大学医学中心科研团队近日在国际权威期刊发表两项研究，为预测突发心搏骤停取得关键突破。针对传统低左心室射血分数指标覆盖不足的痛点，研究结合机器学习与长期队列数据，从即时预警与长期风险双维度构建预测模型。一项研究聚焦突发前兆，通过对俄勒冈州与加州文图拉县人群的分析，发现呼吸困难合并冠心病或心力衰竭、类癫痫症状是明确预警信号。性别特征呈现差异：女性胸痛合并冠心病、男性胸痛合并心衰均提示极高危。此类症状多在心搏骤停前至少十五分钟出现，为紧急呼救预留关键窗口。另一项研究基于洛杉矶县超六万人的长期随访数据，证实心血管事件的反复发生将显著推高风险。二次冠状动脉阻塞患者风险激增逾三倍，二次心衰住院风险近翻倍，且危险程度随住院次数累积攀升。团队指出，上述发现有望转化为急诊急救系统的AI风险预测算法，通过精准识别高危人群有效缩短一零一报警延迟，改善目前院外心搏骤停仅约百分之十的存活现状。研究强调，相关模型需在不同人群中进一步验证，未来工作将深化人工智能在心电图分析及遗传机制方面的探索。