十年的酝酿
在美国，每年有超过 300,000 人死于心脏骤停——这是一种心脏电气系统在没有警告的情况下发生故障的情况。这种医疗紧急情况可能会杀死高危老年人和看似健康、没有心脏病史的年轻运动员。虽然体内除颤器使心脏恢复正常节律可以挽救生命，但弄清楚谁真正需要除颤器仍然是一场高风险的猜测游戏。 更多相关背景，请参阅我们的AI行业报道。
现在，加州大学伯克利分校领导的研究小组在心电图（EKG）中发现了一种以前未被识别的信号，可以在高危患者的心脏停止跳动之前检测到他们。这项研究于 2026 年 6 月 24 日发表在《自然》杂志上，它可能会改变医生识别谁需要挽救生命的植入物的方式。
加州大学伯克利分校公共卫生学院副教授、该研究的主要作者齐亚德·奥伯迈尔 (Ziad Obermeyer) 在一份大学新闻稿中表示：“医疗决策确实很困难，我认为这就是人工智能让我如此兴奋的原因。” “我们不仅可以做出更好的决定，还可以在这些患者的心脏停止跳动之前开始了解他们的实际情况。”
440,000 个心电图训练
研究人员利用来自瑞典的 440,000 多个心电图以及死亡证明中的信息，训练了一个人工智能模型来分析心脏电流产生的尖峰和波形。他们将健康人、高危患者和后来因心源性死亡的人的扫描数据输入模型，直到模型识别出突然死亡的人所特有的波形模式。
随后，该团队多年来在来自美国和台湾的数千份额外患者档案中验证了该算法。据该大学称，仅数据汇编就花费了大约十年的时间，利用了瑞典统一卫生系统六年的扫描、圣地亚哥一家医院系统两年的去识别化心电图以及台北的单独数据集。
“好的人工智能始于好的数据，”奥伯迈尔说，他也是加州大学旧金山分校-加州大学伯克利分校计算精确健康联合项目的成员。 “不幸的是，我们在这项研究中使用的数据非常难以获取。这也是当今临床人工智能应用如此之少的一个重要原因。”
优于标准测试
结果代表了对当前筛选方法的有意义的飞跃。识别高危患者最常用的技术是测量心脏每次跳动射出的血液量，称为射血分数。这些测试确定了年心源性猝死率为 4.6% 的高危人群。
相比之下，人工智能系统以 7% 的年增长率隔离出一个高风险群体——标记出更多的患者，这些患者确实处于风险之中，但按照当前的标准来看，这些患者看起来风险较低。根据现有方案，绝大多数患者永远不会被转诊进行进一步评估。
心脏病发作是由于血流受限引起的，而心脏骤停是在心脏电流突然停止发射时发生的。心肺复苏和自动体外除颤器电击可以挽救生命，但大约 90% 在医院外发生心脏骤停的患者会在几分钟内死亡。事件发生的速度和不可预测性使得预防变得异常困难。
除颤器的困境
奥伯迈耶指出，心源性猝死的讽刺之处在于，治疗方法已经存在，只是医生无法及时可靠地识别出谁需要这种治疗方法。植入式心律转复除颤器 (ICD) 是放置在胸部的小型设备，用于监测心律并在检测到危险模式时发出电击。
问题是双重的。首先，标准射血分数测试要求患者接受更复杂的医学评估——绝大多数最终受害者从来不知道自己需要这样做。其次，根据目前的测试，植入患者体内的植入物中有三分之二实际上从未发射过，这意味着患者要接受侵入性的、昂贵的手术，以防止他们可能永远不会遇到的紧急情况。
奥伯迈耶说：“如果我们及时了解的话，对于其中一部分人来说，我们本可以避免这些死亡。” “许多人因心源性猝死而丧生，如果我们有更好的人工智能工具来找到这些东西，这些都是可以预防的。”
接下来会发生什么
该项目的下一阶段已经开始。奥博迈亚正在与瑞典、台湾和美国的卫生系统合作，在医院心电图数据库上部署该算法。对于系统标记为高风险的扫描，医生会通知患者并让他们选择佩戴持续监测心脏的贴片。这些监测数据可以帮助研究人员更好地了解心脏内产生泄露信号的生理机制，并最终可能导致放置可能挽救生命的内部除颤器。
这项研究还为人工智能工具实际检测到的新研究打开了大门。它所追踪的波形模式似乎与心脏突然致命的失火有关，但确切的生理机制仍不清楚——研究小组希望持续监测能够帮助回答这个问题。
奥博迈耶还建立了一个网站，有兴趣评估自身风险的个人可以提交基本信息和电子邮件地址，以便研究团队在该工具得到更广泛使用后与他们联系进行心电图分析。该项目借鉴了 Obermeyer 共同创立的两个组织（Dandelion Health 和 Nightingale Open Science）的工作成果，这两个组织致力于人工智能和医学研究的交叉领域。
除了直接的临床影响之外，这项研究还强调了人工智能在医学领域的一个更广泛的观点：该技术的最大价值可能不在于取代医生，而在于揭示人眼看不见的模式——这些模式一旦被理解，每年可以挽救数千人的生命。
奥伯迈耶说：“这些工具还将产生一种新的科学研究方式，思考这种情况是如何开始发生的很有趣。”
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
