由心律失常引起的心源性猝死占全球所有死亡人数的20%，但我们往往对它发生的原因或如何判断谁处于危险中知之甚少。有些患者心源性猝死的风险可能较低，不需要使用除颤器，而有些高风险患者没有得到他们需要的治疗，可能会在生命的黄金时期死亡。

近日，约翰霍普金斯大学开发了一种新的人工智能算法，可以比医生更准确地预测患者是否以及何时死于心脏骤停。该技术以患者心脏的原始图像为基础，将彻底改变临床决策并提高突发性和致命性心律失常的存活率。

该研究团队是第一个使用神经网络为每位心脏病患者建立个性化生存评估的团队。这些风险测量提供了10年内心源性猝死的高准确度，以及最有可能发生的时间。

研究人员使用对比度增强的心脏图像，来可视化约翰霍普金斯医院数百名患者的心脏疤痕分布，以训练一种算法来检测肉眼不可见的模式和关系。当前的临床心脏图像分析仅提取简单的疤痕特征，如体积和质量，未充分利用这项工作中证明的关键数据。

该团队还训练了第二个神经网络，以从10年的标准临床患者数据、患者年龄、体重、种族和处方药使用等22个因素中“学习”。

该算法的预测比医生准确得多，而且在美国60个医疗中心的测试中得到了验证。这些患者具有不同的心脏病史和不同的成像数据，表明该平台可以被用于任何地方。

研究人员表示，这有可能显著影响有关心律失常风险的临床决策，体现了人工智能为医疗保健带来的益处。

该研究论文题为“arrhythmic sudden death survival prediction using deep learning analysis of scarring in the heart”，已发表在《自然心血管研究》上。

前瞻经济学人APP资讯组