牛津大学最新研究：人工智能技术可协助预测高风险心脏病患

TIMEDOO肽度（微信号：Time-doo）获悉，牛津大学研究人员使用人工智能(AI)开发一种心脏「指纹」的技术，来为心脏病致命性发作高风险人士量身定制个性化治疗。

根据牛津大学新闻(University of Oxfrod News)的报道，牛津大学研究人员使用机器学习(ML)开发的新生物识别物，或是一种被称为脂肪放射特征(fat radiomic profile；FRP)的「指纹」，可以在心脏病发作前至少5年辨识出高危险人群。

一般来说，当有人胸痛到医院求诊，标准的护理是做冠状动脉电脑断层血管摄影(CCTA；coronary CT angiogram)，这是以冠状动脉扫描检查任何窄化或阻塞的部分。如果动脉没有缩小，约75%的扫描病例，患者通常就是回家休养继续观察，但其中有些人在未来将会有心脏病发作的风险。医师目前没有常规方法去发现导致心脏病发的潜在风险。

指纹监测血管周围内空间的高危险信号(biological red flags)，这些血管为心脏供给血液，它也可以识别心脏病发作的一些指标，例如炎症、疤痕和血管变化。

Antoniades教授和其团队对167名进行心脏手术的人进行脂肪活组织检查，他们分析了炎症、疤痕和新血管形成的基因表现，将这些基因与CCTA扫描影像进行配对，以确定有哪些特征是最能显现心脏血管周围脂肪的变化，称为血管周围脂肪。

在5,487名曾接受CCTA的群众，在5年内发生心脏病发以及没有发作的人，团队从其中挑出101名并将扫描结果进行比较，了解血管周围空间的变化。透过机器学习，他们开发了FRP指纹来捕捉风险的程度。心脏扫描增加越多，预测准确性就越高。

团队在SCOT-HEART试验当中对1,575人进行血管周围指纹的测试，结果显示FRP在预测心脏病发作方面具有显著价值，高于目前临床实务使用的任何工具。

Antoniades教授表示，仅因为某人冠状动脉的扫描显示没有缩小，并不意味他们免于心脏病侵袭。透过人工智能，团队发现一种指纹，可发现动脉周围的「坏」特征，能监测疾病的早期征兆，并在心脏病发前採取预防措施。

新的「指纹」可以从一般检查狭窄动脉的扫描中，采集有关生物的附加信息，这种基于人工智能的技术可以更精确地预测即将到来的心脏病，为疑似冠状动脉病的患者提供个性化护理和照护。

该研究由英国心脏基金会(British Heart Foundation；BHF)进行资助，研究成果发表在巴黎的心脏病学会(ESC)会议上，并刊出在欧洲心脏期刊(European Heart Journal)。