新的人工智能模型可以帮助筛查心脏缺陷

来自布莱根妇女医院和日本庆应义塾大学的研究人员开发了一种深度学习人工智能模型，用于筛查心电图 (ECG) 是否存在房间隔缺损 (ASD) 迹象。这种情况可能导致心力衰竭，并且由于在出现不可逆并发症之前缺乏症状而被低估。他们的研究结果发表在eClinicalMedicine上。

该论文的通讯作者 Shinichi Goto 博士说：“如果我们能够将我们的模型应用于人群水平的心电图筛查，我们将能够在更多的患者遭受不可逆转的损害之前发现他们。”布莱根妇女医院心血管医学科讲师。

自闭症谱系障碍(ASD)是一种常见的成人先天性心脏病。它是由心脏隔膜上的一个洞引起的，该洞让血液在左心房和右心房之间流动。Goto 说，大约有 0.1% 到 0.2% 的人口被诊断出患有这种疾病，但可能被低估了。自闭症谱系障碍的症状通常非常轻微，或者在许多情况下，直到晚年才出现。症状包括无法进行剧烈运动、影响心率或节律、心悸以及肺炎风险增加。

即使自闭症谱系障碍没有引起症状，它也会给心脏带来压力，增加心房颤动、中风、心力衰竭和肺动脉高压的风险。到那时，即使缺陷后来得到修复，自闭症谱系障碍的并发症也是不可逆转的。如果及早发现，自闭症谱系障碍可以通过微创手术得到纠正，从而提高预期寿命并减少并发症。

有多种方法可以检测 ASD。首先，最大的缺陷可以通过用听诊器听心脏来发现。但只有约30%的患者可以通过这种方式发现。另一种方法是超声心动图，这是一种耗时且费力的测试，并不是筛查的好选择。另一种测试是心电图或心电图，只需大约一分钟，因此可以用作筛查工具。然而，当人类分析心电图读数以查找与 ASD 相关的已知异常时，发现 ASD 的敏感性有限。