梅奥诊所的研究人员使用人工智能(AI)来评估患者的心电图(ECG)，以有针对性的策略筛查心房颤动，这是一种常见的心律失常。心房颤动是一种不规则的心跳，可导致血凝块，可能进入大脑并导致中风，但在很大程度上未被充分诊断。在数字化、分散的研究中，人工智能发现了新的心房颤动病例，这些病例在常规护理期间不会引起临床注意。
早期的研究已经开发了一种AI算法来识别以前未知的心房颤动可能性很高的患者。
“我们认为心房颤动筛查具有巨大的潜力，但目前产量太低，成本太高，无法实现广泛的筛查，”梅奥诊所的心脏电生理学家，该研究的主要作者Peter Noseworthy博士说。“这项研究表明，AI-ECG算法可以帮助将筛查靶向最有可能受益的患者。
关于本研究
该研究招募了1，003名患者进行连续监测，并使用另外1，003名常规护理患者作为现实世界的对照。发表在《柳叶刀》杂志上的研究结果表明，人工智能确实可以识别出一组高风险患者，这些患者将从进一步的强化心脏监测中获益更多，以检测心房颤动，支持人工智能指导的靶向筛查策略。
心电图通常用于各种诊断，但由于心房颤动可能转瞬即逝，因此在单个10秒心电图追踪中发现发作的机会很低。患者可以接受具有较高检出率的连续或间歇性心脏监测方法，但它们的资源密集程度太高，无法应用于每个人，并且对患者来说可能是繁重和昂贵的。
这就是AI引导的心电图可能有用的地方。AI算法可以识别患者，即使他们在心电图当天处于正常节律，但在其他时间可能具有未检测到的心房颤动发作的风险增加。然后，这些患者可以接受额外的监测以确认诊断。
“传统的筛查计划根据年龄(65岁或以上)或高血压等疾病来选择患者。这些方法是有道理的，因为高龄是心房颤动最重要的危险因素之一。然而，在全国5000多万老年人中反复进行强化心脏监测是不可行的，“心血管医学系和梅奥诊所罗伯特D.和Patricia E. Kern医疗保健服务科学中心的健康结果研究员姚晓熙博士说。姚博士是该研究的资深作者。
“研究表明，人工智能算法可以选择一组老年人，他们可能会从强化监测中受益更多。如果这一新策略得到广泛实施，它可以减少未确诊的心房颤动，并防止全球数百万患者的中风和死亡，“姚博士说。
四. 今后的步骤
本研究的下一步将是一项多中心混合试验，重点是在不同临床环境和患者群体中实施AI-ECG工作流程的有效性。
“我们希望这种方法在资源受限的环境中特别有价值，因为在资源受限的环境中，未检测到的心房颤动率可能特别高，并且检测它的资源可能有限。然而，需要更多的工作来克服实施的障碍，进一步的研究必须评估这些环境中的靶向筛查策略，“Noseworthy博士说。
“现在我们已经证明人工智能驱动的心房颤动筛查是可能的，我们还需要证明屏幕检测到的心房颤动患者从治疗中受益，以防止中风，”Noseworthy博士说。“我们的最终目标是预防中风。我相信目前的研究使我们更近了一步。