人工智能发现猝死的隐藏预警信号

突发心脏骤停每年夺走全球数十万人的生命，患者常在看似健康的情况下突然发病，缺乏预警。目前临床主要依靠传统风险评估工具来决定是否为患者植入心脏除颤器，但这些工具效果有限：多数最终猝死的患者未被识别出来，同时又将许多根本不会受益的人错误标记为高危。针对这一难题，Obermeyer等人在《自然》杂志发表的研究中，构建了一种基于大规模人群心电图（ECG）数据和长期死亡随访记录训练的深度学习模型。该模型不仅能更精准地识别出传统方法遗漏的高危人群，还从海量心电图信号中自动挖掘出若干此前未被重视的细微波形特征——这些特征与猝死风险显著相关，有望发展为新型无创生物标志物，用于早期筛查和个体化预防。这项工作体现了人工智能在提升心血管疾病预测能力方面的巨大潜力，也为临床决策提供了更客观、更灵敏的新工具。