新闻与观点 2026年6月24日 一种经过数千个心电图记录训练的机器学习模型识别出一个以前未被认知的高风险人群。作者：赖常鑫 赖常鑫在美国马里兰州巴尔的摩的约翰霍普金斯大学和美国加利福尼亚州尔湾的EnChannel Medical Ltd工作。猝死每年夺走数十万条生命，常常在表面看来健康的人身上毫无预警地发生。可植入的除颤器可以终止导致猝死的致命心律，但确定谁应该接受除颤器的植入取决于准确的风险预测。目前的临床工具错过了大多数最终死亡的患者，同时也错误标记了许多未必受益的患者。Obermeyer等人在《自然》期刊上发表的文章中描述了一种基于人群规模心电图(ECG)数据和死亡记录训练的深度学习模型。通过该模型，作者识别出了一个新的高风险人群，并发现了可以用于预测猝死风险的心电图特征。获取选项 访问《自然》及其54本其他优质期刊 获取Nature+，我们的最佳在线访问订阅 $32.99 / 30天 随时取消 订阅本期刊 每年仅需$199.00，获得52本纸质期刊和在线访问，仅需每期$3.83 租赁或购买本文 文章类型不同，价格从$1.95到$39.95不等，可能需要缴纳当地税费，这将在结账时计算 其他访问选项：登录 了解机构订阅 阅读我们的问答 联系客户支持 doi: https://doi.org/10.1038/d41586-026-01806-z 参考文献 Obermeyer, Z., Schubert, A., Ross, J., Mullainathan, S. & Lingman, M. 自然 https://doi.org/10.1038/s41586-026-10674-6 (2026)。 文章 Google 学术 Stecker, E. C. 等. J. Am. Coll. Cardiol. 47, 1161–1166 (2006)。 文章 PubMed Google 学术 Merchant, F. M., Quest, T., Leon, A. R. & El-Chami, M. F. J. Am. Coll. Cardiol. 67, 435–444 (2016)。 文章 PubMed Google 学术 Trayanova, N. A. & Topol, E. J. Lancet 399, 1933 (2022)。 文章 PubMed Google 学术 Niederer, S. A., Lumens, J. & Trayanova, N. A. Nature Rev. Cardiol. 16, 100–111 (2019)。 文章 PubMed Google 学术 下载参考文献 竞争利益 作者声明没有竞争利益。 相关文章 阅读论文：通过深度学习发现的猝死心电图生物标志物 开放AI模型可帮助医疗专家解读胸部X光片 机器学习改善了塞拉利昂的医疗获取 参见所有新闻与观点 最新动态：医疗AI面临的差异化隐私风险 文章 2026年6月24日 朝着疾病管理的对话AI而努力 文章 2026年6月17日 尼古丁是否应该像麻醉品一样受到监管？一个太平洋国家提出了这个论点 新闻 2026年6月17日 AI会引发科学复兴吗——还是一种弥散的单一文化？ 世界观 2026年6月22日 AI是否正在破坏我们的技能？初步结果显示情况不妙 新闻 2026年6月18日 数学家正在制定AI使用规则——其他领域应予以借鉴 社论 2026年6月16日 你的心跳如何可能令癌症退避 新闻 2026年4月23日 未知领域：了解女性的全身健康 展望 2026年3月6日 心脏病发作带来的损害来自大脑信号，鼠标研究表明 新闻 2026年1月28日