提前30分钟预测心律失常

科技

 0  303

积分：13

卢森堡大学系统生物医学中心的研究人员最近开发了一种深度学习模型，能够预测从正常心脏节律到心房颤动的转变。这一不规则的心跳与心力衰竭、痴呆和中风风险增加相关，并对医疗系统构成重大负担。他们的研究成果发表在科学期刊Patterns上，显示该模型平均可提前30分钟发出警报，准确率约为80%。这一成果为将其整合到可穿戴技术中打开了大门，有望实现早期干预和改善患者预后。

心房颤动时，心脏的上腔不规则地搏动并与心室不同步。要恢复正常心律可能需要密集干预，例如用电击使心脏恢复正常窦性节律，或者移除特定区域负责错误信号。能够足够早地预测心房颤动发作将使患者能够采取预防措施来保持其心脏节律稳定。然而，目前基于心率和心电图（ECG）数据分析的方法只能在心房颤动发作前就诊断出，无法提供早期警告。

为解决这一问题，研究团队开发了一个名为WARN（Warning of Atrial fibRillatioN）的人工智能模型，它可以通过仅有的心率数据，在心房颤动开始前平均提前30分钟发出警报，且准确率较高。相比以往的心律失常预测工作，WARN是首个能够在离发作远处提供警告的方法。

此外，研究人员还指出，他们开发的深度学习模型可以在智能手机上实现，通过处理智能手表收集的数据。这种低计算成本使其非常适合整合到可穿戴技术中。长期目标是让患者能够持续监测他们的心脏节律，并接收早期警告，以便有足够时间采取抗心律失常药物或使用一些定向治疗来预防心房颤动的发作。这将减少急救干预，并改善患者预后。

总之，这一研究成果为未来发展个性化模型打下了基础，也为开展新的临床试验和创新治疗干预提供了可能。

0 收藏分享举报