生物行移动版

心脏性猝死往往毫无征兆地降临，夺走那些看似健康、无心脏病史者的生命。数十年来，医生始终难以准确识别最脆弱的人群，尽管一种可能挽救生命的治疗手段早已存在。如今，加州大学伯克利分校的研究人员发现，这些致命事件的线索或许一直隐藏在医学中最常见的诊断检查之一——常规心电图（EKG）之中。他们开发的人工智能系统能够捕捉心电图上与心脏性猝死风险升高相关的细微电学模式，并在Nature发表的研究中展现出优于标准临床筛查方法的性能。

从44万份心电图中学习猝死信号

为构建该系统，研究团队分析了瑞典医疗系统在六年内采集的超过44万份心电图，并将其与死亡证明相链接，训练AI模型识别与随后发生心脏性猝死相关的电学模式。训练数据涵盖健康个体、已知心脏病患者以及后来死于心脏原因的人群。随后，研究者使用来自圣地亚哥和台北的独立患者数据集评估算法，检验其预测在不同人群中是否依然可靠。模型识别出常规临床评估常忽略的心电波形细微变异。尽管这些模式与心脏性猝死风险升高相关，其背后的生理机制目前仍不清楚。

临床上，医生通常通过测量心脏每次收缩泵出的血量来评估猝死风险，即射血分数，并据此判断患者是否符合植入式心律转复除颤器（ICD）的适应证。ICD可监测危险心律并在必要时释放电击。

7%对4.6%：AI标记人群风险更高

研究显示，AI系统识别出的一组患者年心脏性猝死率达7%；相比之下，按传统指标归为高危的患者年发生率为4.6%。更关键的是，许多被AI标记的个体按现有临床标准并不属于高危，这意味着常规采集的心电图有望帮助发现原本会被漏诊的患者。

“医学决策真的很难，我认为这正是AI令我兴奋的原因，”该研究第一作者、加州大学伯克利分校公共卫生学院副教授Ziad Obermeyer说，“我们不仅能做出更好的决策，还能开始理解这些患者心脏停跳之前究竟发生了什么。”

美国每年有超过30万人死于心脏骤停。与心肌梗死（心脏某部分血流受阻）不同，心脏骤停是协调心跳的电信号突然失效，心脏无法有效泵血，若不立即救治，数分钟内即可致死。尽管心肺复苏和除颤可在部分病例中恢复循环，但院外心脏骤停者约90%无法存活，受害者既包括患有明确心血管疾病的老年人，也包括无已知心脏病史的看似健康的年轻运动员。

植入式除颤器能预防部分死亡，但确定谁需要植入依然困难。约三分之二植入高危患者体内的设备从未释放过电击；与此同时，许多最终发生猝死的人从未接受过可能发现问题的专门心脏评估。“在其中一部分人身上，如果我们能及时知道，本可以避免那些死亡，”Obermeyer说。

从预测到机制：下一步与数据瓶颈

Obermeyer及其同事正与瑞典、台湾和美国的医疗系统合作，将该算法应用于医院心电图数据库。被识别为高危的患者可由临床医生联系，并配戴连续记录心电活动的可穿戴监测器。这些记录有望帮助研究者确定哪些生理变化产生了AI检测到的模式，也可能为植入除颤器的决策提供额外证据。不过，仍需进一步研究确认依据该算法指导治疗是否真能减少死亡。

构建该系统耗费近十年时间整合必要的医疗数据。Obermeyer表示，获取大规模、详细的数据集仍是开发临床AI工具的最大障碍之一。“好的AI始于好的数据。不幸的是，我们这项研究所用的数据极难获取，这也是当今临床AI应用如此之少的重要原因。”

研究团队希望，通过研究模型识别出的电学异常，能够解释心脏突然停跳前内部发生了什么，从而最终改进风险预测并加深对心脏性猝死生物学过程的理解。Obermeyer还上线了一个网站，供有意评估自身猝死风险者提交基本信息和电子邮箱，待AI工具更广泛可用后，研究团队可能就心电图分析联系参与者。