现在您可以收听福克斯新闻的文章！常规心脏测试可能隐藏着医生多年来未能发现的预警信号。这是加州大学伯克利分校新研究的一大亮点，该研究发布在《自然》期刊上。研究人员训练了一种人工智能模型，研究心电图（也称为心电图），并寻找与突然心脏死亡有关的模式。这是令人担忧的部分。突然心脏骤停可能会发生在已经知道有心脏问题的人身上。然而，它也可以影响年轻运动员和从未意识到自己有风险的人。每年，数十万美国人在心脏骤停后死亡。一旦发生在医院之外，生存率可能会迅速下降。心肺复苏和心脏除颤器可以挽救生命，但时机至关重要。现在，人工智能可能帮助医生更早发现一些患者，即使他们的心脏在目前的常规测试中看起来仍然正常。注册我的免费CyberGuy报告，获取我最好的科技提示、紧急安全警报和独家交易，直接送到您的收件箱。要了解如何早期识别诈骗并保持安全，请访问CyberGuy.com - 每天都受到数百万观看CyberGuy的观众信赖。此外，当您加入时，您将免费获得我的终极诈骗生存指南的即时访问权限。加州大学伯克利分校的研究人员表示，人工智能可以检测与突然心脏死亡相关的隐藏心电图模式，而常规心脏筛查可能会遗漏。如何利用人工智能发现隐藏的心脏风险？心电图记录心脏的电活动。它生成医生用来检查心律和其他心脏线索的熟悉波峰和波谷。对于这项研究，研究人员使用了来自瑞典的超过440,000个心电图。然后，他们将这些扫描与死亡证明和健康记录配对。接着，他们训练人工智能模型寻找与突然心脏死亡相关的波形模式。之后，他们在来自美国和台湾的独立患者数据上测试模型。这一步至关重要，因为医学人工智能在一个数据集中看起来很不错，但在现实世界中却常常失败。在这里，该模型在截然不同的医疗系统中依然有效。为什么今天的心脏筛查可能会遗漏一些人？医生通常使用一种称为左心室射血分数（LVEF）的测量指标来判断风险。通俗来说，它显示了心脏每次跳动时泵出的血液量。如果这个数字低于某个阈值，患者可能有资格安装可植入除颤器。该装置可以在危险事件中将心脏冲击回正常节奏。然而，这种方法存在很大缺口。许多突然死亡的人从未接受过更深入的心脏评估。其他人可能心脏泵送正常，但仍然面临危险的心律问题。加州大学伯克利分校的模型发现了一个高风险群体，其突然心脏死亡的年发生率为7%。标准的低LVEF组年发生率为4.6%。更引人注目的是，大多数被人工智能标记的患者都被LVEF方法遗漏。换句话说，常规心电图可能包含现行筛查所忽视的预警信号。人工智能发现了隐藏的心电图预警信号。研究人员不仅要求人工智能给出风险评分，还试图理解模型所看到的。这一点很重要，因为医学人工智能可能会变成一个“黑箱”，如果医生得到一个没有明确原因的答案。为深入了解，研究小组使用了另一个人工智能系统来比较低风险和高风险的心电图模式。可以把它看作是观察正常心跳模式如何转变为高风险模式的一种方式。这种比较指向了心电图中称为aVL的部分的一个可见特征。这是医生用于读取心脏电活动的标准视图之一。该特征在QRS波群中出现，QRS波群是反映心脏每次跳动时主要电信号的部分。研究人员表示，该信号强烈预测了突然心脏死亡。他们还表示，这在医学文献中尚未被描述过。这引出了一个有趣的可能性。人工智能可能帮助医生更好地做出预测，并发现人类错过的预警信号。为什么这可能会改变除颤器的决策？可植入的除颤器可以挽救生命。然而，将其放入错误的患者身上也有风险。该手术可能是侵入性的且成本高昂。此外，在现行规则下放置的许多装置从未需要启动。因此，医生面临严峻的挑战。遗漏需要设备的患者可能导致致命后果。植入过多的设备则可能导致患者接受他们可能永远不需要的手术。这种新的人工智能工具可能有助于缩小这个差距。它可能标记出需要密切监测的患者，然后医生再考虑更大的步骤。下一阶段已经在进行中。