首尔大学医院麻醉疼痛医学科研究团队
开发出基于人工智能的心脏骤停实时预测机器学习模型
韩国研究团队开发出一款基于人工智能（AI）的机器学习模型，可实时预测重症监护室（ICU）患者的心脏骤停。
韩国保健产业振兴院15日表示，首尔大学医院麻醉疼痛医学科研究团队利用从心电图（ECG）数据中提取的心率变异性（HRV），成功开发出一款能够准确预测24小时内心脏骤停发生风险的AI模型。HRV是测量连续心跳之间时间间隔变化程度的指标，可反映心脏健康状况及自主神经系统活动等。
据悉，重症监护室内急性心脏骤停在全球范围内的发生率约为0.5%～7.8%。对急性心脏骤停进行早期预测并迅速处置，对提高患者生存率、减少并发症具有重要作用.
要在重症监护室内实现对心脏骤停的早期预测，利用患者的生理信号至关重要。尤其是心电图是重症监护室中最常用的生理信号之一，基于此开发的AI算法在重症监护室环境中的通用性和可用性较高。
研究团队利用首尔大学医院重症监护室入院患者5679人的心电图中提取的心率变异性数据，开发出用于实时预测心脏骤停的机器学习模型。模型开发仅采用时长5分钟的单通道心电图所提取的33项心率变异性指标。据研究团队介绍，该模型在预测24小时内心脏骤停发生方面表现出优异性能。
在该模型中，用于评估AI预测性能的受试者工作特征曲线下面积（AUROC）值为0.881。与基于生命体征的既有心脏骤停预测模型AUROC值0.735相比，数值更高。AUROC是同时反映敏感度（将真实阳性正确预测为阳性的能力）和特异度（将真实阴性正确预测为阴性的能力）的指标，AUROC值越接近1，性能被认为越优异。
首尔大学医院教授 Lee Hyunsun 表示：“本研究开发的模型在无需额外临床信息、仅利用单通道心电图就构建出全新算法这一点上，取得了技术性突破”，“今后有望在重症监护室临床一线轻松应用于基于人工智能的临床决策支持系统（CDSS）。”
首尔大学医院教授 Lee Hyeongcheol 称：“本次开发的AI模型今后将被用于实际重症监护室内心脏骤停风险预测预警系统的开发”，“通过对心脏骤停高危患者进行早期筛查，有望减少由此带来的并发症发生，并实现医疗费用节省。”
本研究在“保健福祉部重症患者专门大数据构建及AI基础临床决策支持系统开发项目”的支持下开展，并于上月23日发表在科学学术期刊《自然·数字医学》（npj Digital Medicine）上。
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
