每日毅讯｜ EHJ：人工智能+心电预测心衰发生风险

心力衰竭是心血管疾病发生的终末阶段。随着越来越多的治疗手段的进步，心力衰竭的患病率也明显上升。然而，传统预测心力衰竭的方法需要依赖问卷和各种检查，且预测效能不高。如何通过简单的检查手段就能成功地预测心力衰竭，具有重要的临床意义。近期，Eur Heart J杂志发表了一项多人群的队列研究，探讨了这一话题。

本研究在耶鲁卫生系统（YNHHS）、UK Biobank（UKB）和巴西成人健康纵向研究（ELSA-Brasil）的跨国队列中进行，研究对象为基线时无心力衰竭（HF）的个体，随访至首次心力衰竭住院。研究使用了一种人工智能心电图（AI-ECG）模型，该模型通过12导联心电图图像定义左心室收缩功能障碍，并评估其与新发心力衰竭的关联。使用Harrell的C统计量评估模型的区分能力，并以心力衰竭临床预测模型（PCP-HF）作为比较对象。

研究结果显示：在231,285名YNHHS患者中，4472名患者在4.5年（四分位数范围2.5–6.6）内发生了首次心力衰竭住院。在UKB和ELSA-Brasil中，分别有42,141名和13,454名个体在3.1年（2.1–4.5）和4.2年（3.7–4.5）内分别有46名和31名发展为心力衰竭。阳性AI-ECG筛查预示着新发心力衰竭的风险增加4至24倍[按年龄和性别调整的风险比：YNHHS为3.88（95%置信区间3.63–4.14）；UKB为12.85（6.87–24.02）；ELSA-Brasil为23.50（11.09–49.81）]。在考虑合并症和死亡的竞争风险后，这种关联仍然一致。较高的概率与逐渐增加的心力衰竭风险相关。模型在YNHHS、UKB和ELSA-Brasil的区分能力分别为0.718、0.769和0.810。在YNHHS和ELSA-Brasil中，将AI-ECG与PCP-HF结合使用，与单独使用PCP-HF相比，显著提高了区分能力。

「毅讯点评」

本研究通过对YNHHS，UKB，ELSA-Brasil三个人群数据库的分析发现，通过一种基于心电图的人工智能算法可以很好的预测心力衰竭的发生，在原有的临床预测模型的基础上能显著提高预测效能。本研究提示人工智能预测与预警正在快速走进临床，未来可以成为临床医生很好的帮手与伙伴。但是，人工智能的研究如果利用了可解释模型，可以帮助人类找出过去忽略的线索，做更好的临床判读。这也可以帮助我们更深入地理解疾病的发展。人工智能与人脑的互相学习，未来具有无限可能。

原文参考