AI-guided筛查使用心电图数据来发现一个隐藏的中风的危险因素
梅奥诊所的研究人员使用了人工智能(AI)评估患者的心电图(ecg)有针对性的策略为心房纤颤屏幕,一种常见的心律失常。心房纤颤是一个不规则的心跳,可以导致血液凝块可能传送到大脑,引起中风,但它在很大程度上是诊断。在数字化,分散的研究,人工智能识别新例心房纤颤,没有临床期间注意日常保健。
早期的研究已经开发出一种人工智能算法来识别患者以前未知的房颤的可能性很高。
“我们相信,心房纤维性颤动筛查有很大潜力,但目前的收益率太低,成本太高,使广泛的筛选成为现实,”Peter Noseworthy说,医学博士梅奥诊所的心脏生理学专家和该研究的第一作者。“这项研究表明,AI-ECG算法可以帮助目标筛选病人最有可能受益。”
关于这项研究
研究了1003例连续监测和另外1003名患者使用常规治疗的实际控制。研究结果,发表在《柳叶刀》显示,AI确实可以识别高危患者将受益更多的子群进一步强化心脏监测检测心房纤颤,支持AI-guided有针对性的筛选策略。
ECG通常表现为各种不同的诊断,但由于心房纤维性颤动可以是短暂的,抓一集的机会在一个10秒心电图跟踪很低。患者可以进行连续或间歇心脏监测方法有较高的检测率,但他们太资源密集型适用于每个人,可以繁琐和昂贵的病人。
这就是AI-guided心电图可能是有用的。AI算法可以识别病人,即使它们在正常节奏心电图的那天,可能未被发现的风险增加急性心房颤动在其他时间。这类患者可以接受额外的监控来确诊。
“传统筛查项目选择患者根据年龄(65岁以上)或存在的情况,比如高血压。这些方法是有意义的,因为先进的年龄是最重要的一个房颤的危险因素。然而,这不是可行的反复进行密集的心脏监测全国超过5000万个老年人,“小希尧说,博士,心血管医学和健康结果研究员罗伯特·d·梅奥诊所和帕特里夏·e·克恩医疗保健科学中心交付。姚博士是这项研究的资深作者。
“这项研究表明,人工智能算法可以选择一群老年人从密切监测可能受益更多。如果这个新战略是广泛实现,它可以减少诊断心房纤颤,并防止中风和死亡在全球成千上万的病人,“姚博士说。
下一个步骤
本研究的下一步将是一个多中心的混合试验重点实施的有效性AI-ECG工作流在不同临床和患者群体。
“我们希望这种方法将在资源受限的环境中特别有价值的发现房颤可能特别高,和资源来检测可能是有限的。然而,更多的工作是需要克服障碍,实现,和进一步的研究必须评估在这些环境中有针对性的筛选策略,“Noseworthy博士说。
”现在,我们已经表明,AI-driven房颤筛查是可能的,我们还需要证明患者筛查检测心房纤颤受益于预防治疗中风”Noseworthy博士说。“我们的终极目标是为了防止中风。我相信目前的研究已经使我们更近一步。”
进一步探索
