复杂又昂贵的心力衰竭诊断，用AI变得简单便捷
对于仅凭简单症状和射血分数检查无法区分的射血分数保留型心力衰竭（HFpEF），人工智能（AI）给出了答案。
三星首尔医院循环内科 Park Kyungmin·Hong Dawie 教授研究团队利用人工智能开发出一款可预测收缩功能保留型心力衰竭的模型，并于近日在欧洲心脏病学会数字健康相关学术期刊《European Heart Journal - Digital Health》（影响因子4.4）最新一期上发表了相关研究成果，4日对外公布。
射血分数保留型心力衰竭是指尽管左心室射血分数正常（50%以上），但因心脏舒张功能下降、结构性改变等因素而发生的疾病。据悉，该病在国内外心力衰竭患者中占比超过一半。
心力衰竭的主要特征性症状如气短、乏力、运动时不适等多为非特异性表现，很容易与高龄、肥胖、高血压等各种慢性疾病混淆，因此被认为是一种极难确诊的疾病。即便怀疑为心力衰竭，为了确诊仍需在心脏超声中对多种精细指标进行综合分析，导致许多患者难以及时获得准确诊断，这一情况屡见不鲜。
为解决射血分数保留型心力衰竭诊断难题，Park Kyungmin 教授团队在无需复杂检查的前提下，仅依托医院广泛使用的12导联心电图检查结果，即可给出诊断判断，构建了相应的人工智能模型。
研究团队以2016年至2022年在三星首尔医院同时接受心脏超声、NT-proBNP及12导联心电图检查的1万3081名患者为对象，参考欧洲心脏病学会标准（HFA-PEFF），根据患者风险度将其分为射血分数保留型心力衰竭组和对照组。
在此基础上，研究团队将心电图数据输入基于 DenseNet-121 的一维卷积神经网络深度学习模型进行训练，使人工智能模型能够捕捉到细微的电信号模式。
随后，研究团队将患者的临床、影像、血液等数据与人工智能模型结合，为使模型在尽可能贴近真实临床环境的条件下测试预测能力，将数据集按7:1:2比例划分为训练集、验证集和测试集，并整合分析了最长达5年（中位随访4年）所收集的数据。
结果显示，人工智能心电图预测模型的性能（曲线下面积AUC）达到0.81。尤其是在高龄、肥胖、糖尿病、高血压等主要高危人群中，模型性能也维持在0.78至0.83之间。
此外，被人工智能预测为“阳性”的患者在5年内发生心源性死亡的风险是阴性组的10倍，因心力衰竭住院的风险是阴性组的5倍。研究团队认为，该模型在实际临床中具有较高应用价值。
研究团队表示：“本研究是国内首次利用基于人工智能的心电图模型预测射血分数保留型心力衰竭可能性的研究。全球范围内此前虽有尝试预测舒张功能下降或左心室充盈压升高的研究，但以HFA-PEFF评分为标准对模型进行训练和评价的研究，这是首次。”
Park Kyungmin 教授称：“本研究的意义在于，即便在缺乏既往心脏超声或血液检查结果的患者中，也能仅通过简单的心电图检查，及早怀疑其存在射血分数保留型心力衰竭的可能性，从而大幅缩小诊断盲区。今后还将通过与其他机构合作，持续开展补充外部验证的研究。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
