麻省总医院开发了基于机器学习预测房颤的人工智能算法

“我们看到了基于心电图的人工智能算法在帮助识别房颤风险最大个体方面的贡献。”

——Steven A. Lubitz博士，麻省总医院心电生理专家、

心房颤动–一种快速且不规律的心率异常–是一种常见的心脏病症，常常导致心脏内形成血栓，血栓可进入大脑引起中风。正如发表在《Circulation》（循环）期刊上的一项研究所描述的那样，由麻省总医院和麻省理工学院及哈佛大学的博德研究所（ Broad Institute）的研究人员领导的一个团队已经开发出一种基于人工智能的方法，用于识别有患心房颤动风险的病人，因此病人可以从预防措施中受益。

研究人员根据在麻省总医院接受初级保健的45,770名患者的心电图（记录心电信号的非侵入性测试）结果开发了可以预测未来五年内发生心房颤动风险的人工智能算法。

接下来，科学家们将他们的方法应用于三个大型研究数据集，包括总共83162人。基于人工智能的方法可以单独预测房颤风险，与已知的临床风险因素结合后，预测房颤具有协同作用。该方法对先前患有心力衰竭或中风的个体亚群也具有高度预测性。

Steven A. Lubitz博士

麻省总医院心电生理专家

Broad研究所副研究员

文章高级作者、麻省总医院的心电生理学家、Broad研究所副研究员Steven A. Lubitz博士表示：“我们看到了基于心电图的人工智能算法在帮助识别房颤风险最大个体方面的贡献。”另一位主要作者、麻省总医院心电生理临床医生和研究员Shaan Khurshid博士补充道：“这种算法的应用可以促使临床医生完善房颤的重要风险因素，从而降低发生房颤的风险。”

Lubitz博士补充说，该算法可以作为一种预筛选工具，用于目前可能未被发现的房颤患者，促使临床医生使用长期心律监测器来监控他们的心房颤动，而同时这又能预防中风。

Anthony Philippakis博士

Broad Institute博德研究所首席数据官

Eric and Wendy Schmidt中心联合主任（以机器学习和云计算等数据技术推动医学研究）

这项研究的结果也证明了人工智能的潜力–该情景下涉及到一种叫做机器学习（Machine Learning）的特殊类型–可以推动医学发展。”随着数据科学技术的爆炸和现在大量的临床数据，机器学习能够帮助临床医生和研究人员在加强心脏病学护理方面取得巨大进展。”共同作者Anthony Philippakis博士表示，他是Broad Institute博德研究所首席数据官和该研究所的Eric and Wendy Schmidt中心的联合主任。”作为一名数据科学家和前心脏病专家，我很高兴看到基于机器学习的方法如何与我们每天使用的测试和临床方法一起协同，以帮助我们改善心脏风险预测和照顾房颤患者。”

关于美国麻省总医院

麻省总医院成立于1811年，是哈佛医学院最初设立且规模最大的教学医院。我们拥有全美最大的以医院为基础的研究项目，同时也是美国国立卫生研究院研究资金最大的接受者，我们的研究项目横跨医院的20多个临床部门和中心。麻省总医院可以为几乎每一个专科和次专科、内科和外科领域提供精准的诊断和治疗。我们的六个多学科护理中心以癌症、消化系统疾病、心脏病、神经内科、血管医学和创伤中心的创新而闻名世界。另外麻省儿童总医院提供全面的小儿保健服务，从初级护理到运用尖端疗法诊治复杂和罕见的疾病。麻省总医院连续多年被《美国新闻与世界报道》评为美国最顶级医院之一，也是唯一一家在所有16项专科排名中均获得名次的医院。在接受评估的近5000家医院中，麻省总医院自1990年评选举办开始便一直占据荣誉榜顶级医院之列。

参考：

原文链接: https://www.massgeneral.org/news/press-release/Artificial-intelligence-based-method-predicts-risk-of-atrial-fibrillation

编辑：李丽