宾夕法尼亚大学医学院心内科专家 Rajat Deo 与工程学院计算机科学家 Rajeev Alur 合作，开发了一种名为 CAMEL 的新型人工智能模型，旨在提前 10 至 15 分钟预测心脏骤停。传统医疗系统在处理心电图数据时，往往只关注当下的异常波形，而忽略了海量的历史数据。CAMEL 模型改变了这一策略，它不再将心电图视为孤立的瞬间快照，而是将其视作类似语言的连续信号流进行分析。 该模型通过将心电图片段转化为可被解读的格式，能够结合临床笔记等文本信息，像医生一样推理细微的节律变化。与仅分析 10 秒波段的旧技术不同，CAMEL 能够处理长达数小时的心电监护数据，从而捕捉到那些微弱且复杂的预警信号。测试结果表明，该模型能有效识别窦性心律中的细微异常，发现如室颤等危险心律失常的高风险迹象，为干预争取宝贵时间。 为了确保临床应用的可靠性，研究团队目前正计划在后台利用真实患者数据进行测试，而暂时不向医护人员发送警报，以避免因误报浪费宝贵的医疗资源。未来，研究人员将把模型的预测结果与实际患者转归进行对比，以评估其是否优于当前的护理标准。除了医院环境，团队还展望将此项技术推广至消费电子可穿戴设备中，用于更广泛的人群健康监测。这项研究已发布在预印本平台 arXiv 上，标志着人工智能在心血管疾病预测领域迈出了关键一步。