基于植入式心脏复律除颤器远程监测的房颤预测模型构建与验证

来自Northwell医疗中心的研究团队通过机器学习技术，利用植入式心脏复律除颤器(ICD)的日常远程监测数据，开发出可提前3天预测房颤(AF)发生的XGBoost模型。该研究纳入207例患者，模型验证显示受试者工作特征曲线下面积(AUROC)达0.79，特异性高达99%。这项创新性探索为心衰(HF)患者AF的早期预警提供了数字化解决方案。

　　

这项开创性研究揭示了植入式心脏复律除颤器(ICD)远程监测数据在预测房颤(AF)发作中的潜在价值。科研团队巧妙运用机器学习算法，通过分析14天的ICD参数序列，构建出能提前72小时预警AF事件的预测模型。

研究背景凸显了AF与心衰(HF)的密切关联——AF往往是HF失代偿的前兆。团队提取了2012-2021年间Northwell远程监测中心的原发性预防ICD患者数据，采用XGBoost算法进行建模。值得注意的是，模型输入特征包含右心室(RV)和右心房(RA)感知振幅等关键电生理参数。

在207例受试者中（中位年龄65岁，69%为男性），模型展现出0.79的AUROC和99%的特异性。尽管精确召回曲线下面积(AUPRC)仅为0.10，但通过K折交叉验证证实了模型的稳健性。

这项研究为心血管疾病管理提供了新思路：将ICD从治疗设备升级为预测工具。未来需通过多中心临床试验进一步验证这一AF预测算法，其临床应用可能改变HF合并AF患者的诊疗范式。