基于单导联心电图的人工智能心力衰竭风险预测：为临床开辟新路径

为解决心力衰竭（HF）风险分层策略难以扩展的问题，来自耶鲁纽黑文医疗系统（YNHHS）、英国生物银行（UKB）等的研究人员开展了用人工智能（AI）算法从单导联心电图（ECG）预测 HF 风险的研究。结果显示 AI-ECG 能预测 HF 风险，且性能良好，或为 HF 风险分层提供新策略。

　　研究人员开展了一项回顾性队列研究，以评估人工智能（AI）算法能否从有噪声的单导联心电图（ECG）预测心力衰竭（HF）风险。研究对象包括耶鲁纽黑文医疗系统（YNHHS）常规门诊 ECG 的患者，以及英国生物银行（UKB）和巴西成人健康纵向研究（ELSA-Brasil）的前瞻性人群队列。研究将 I 导联 ECG 分离，运用适应噪声的 AI-ECG 模型识别左心室收缩功能障碍（LVSD），并评估模型概率与新发 HF（首次 HF 住院）的关联，还将 AI-ECG 的判别能力与两种 HF 风险评分对比。结果显示，在多个队列中，AI-ECG 筛查 LVSD 阳性与 HF 风险增加 3 至 7 倍相关，模型概率每增加 0.1，风险升高 27% 至 65%，且 AI-ECG 判别能力良好，在多个指标上优于传统风险评分。这表明噪声适应的 AI-ECG 模型可估计 HF 风险，但还需使用可穿戴和便携式 ECG 设备进一步前瞻性研究。