AI模型通过常规心电图测试预测10年卒中风险

麻省总医院布列根（Mass General Brigham）与哈佛-麻省理工博德研究所（Broad Institute of MIT and Harvard）联合领导的研究团队开发并验证了一种名为ECG2Stroke的人工智能模型。该模型仅需一次10秒的标准心电图测试，即可预测患者未来10年内发生卒中的风险。这项研究成果发表在《美国心脏病学会杂志》（JACC）上。

心电图是一种廉价、无创且广泛使用的检查，通过贴在皮肤上的电极传感器记录心脏的电活动。研究团队利用麻省总医院的患者数据开发了深度学习模型，捕捉心电图中微妙的波形模式。随后，他们还在布列根妇女医院和贝斯以色列女执事医学中心对ECG2Stroke模型进行了测试。总共超过20万名患者的信息被用于模型的训练和验证。

结果显示，ECG2Stroke仅凭心电图数据加上患者的年龄和性别，就能在不同医院和患者亚组中一致地预测未来10年的卒中风险，其性能与经过验证的临床风险评分相当。模型中影响最大的特征与检测心脏心房（接收来自身体血液的上腔室）功能障碍有关。该模型在预测心源性栓塞性卒中方面尤为准确——这种卒中由心脏内形成血块、脱落并随血流到达大脑引起，可通过血液稀释剂进行预防。

“现有识别卒中高危患者的工具通常需要繁琐的临床评分计算，不易扩展，因此在常规实践中未广泛使用，”共同第一作者、麻省总医院布列根神经科学研究所和博德心血管疾病倡议的神经学家Rahul Mahajan博士指出。共同资深作者、麻省总医院布列根心脏与血管研究所和博德心血管疾病倡议的心脏病学家Shaan Khurshid博士补充道：“如果前瞻性真实世界研究证实了这些发现，像这样的工具可以识别哪些患者应优先接受强化预防措施。该工具还有助于推动未来关于心脏上腔室异常与卒中关联的机制研究。”

研究团队包括多位共同作者，并获得了美国国立卫生研究院（NIH）、美国心脏协会（AHA）等机构的资助。论文题为“ECG Signatures and Long-Term Ischemic Stroke Risk”，发表于JACC。