AI模型通過常規心電圖測試預測10年卒中風險

麻省總醫院佈列根（Mass General Brigham）與哈佛-麻省理工博德研究所（Broad Institute of MIT and Harvard）聯合領導的研究團隊開發並驗證了一種名為ECG2Stroke的人工智能模型。該模型僅需一次10秒的標準心電圖測試，即可預測患者未來10年內發生卒中的風險。這項研究成果發表在《美國心臟病學會雜誌》（JACC）上。

心電圖是一種廉價、無創且廣泛使用的檢查，通過貼在皮膚上的電極傳感器記錄心臟的電活動。研究團隊利用麻省總醫院的患者數據開發了深度學習模型，捕捉心電圖中微妙的波形模式。隨後，他們還在佈列根婦女醫院和貝斯以色列女執事醫學中心對ECG2Stroke模型進行了測試。總共超過20萬名患者的信息被用於模型的訓練和驗證。

結果顯示，ECG2Stroke僅憑心電圖數據加上患者的年齡和性別，就能在不同醫院和患者亞組中一致地預測未來10年的卒中風險，其性能與經過驗證的臨牀風險評分相當。模型中影響最大的特徵與檢測心臟心房（接收來自身體血液的上腔室）功能障礙有關。該模型在預測心源性栓塞性卒中方面尤為準確——這種卒中由心臟內形成血塊、脱落並隨血流到達大腦引起，可通過血液稀釋劑進行預防。

“現有識別卒中高危患者的工具通常需要繁瑣的臨牀評分計算，不易擴展，因此在常規實踐中未廣泛使用，”共同第一作者、麻省總醫院佈列根神經科學研究所和博德心血管疾病倡議的神經學家Rahul Mahajan博士指出。共同資深作者、麻省總醫院佈列根心臟與血管研究所和博德心血管疾病倡議的心臟病學家Shaan Khurshid博士補充道：“如果前瞻性真實世界研究證實了這些發現，像這樣的工具可以識別哪些患者應優先接受強化預防措施。該工具還有助於推動未來關於心臟上腔室異常與卒中關聯的機制研究。”

研究團隊包括多位共同作者，並獲得了美國國立衞生研究院（NIH）、美國心臟協會（AHA）等機構的資助。論文題為“ECG Signatures and Long-Term Ischemic Stroke Risk”，發表於JACC。