深度學習能否改變心臟衰竭的預防方式？
一種名為CHAIS的深度神經網絡可能很快會取代侵入性程序，例如導管插入，成為監測心臟健康的新標準。
來自麻省理工學院（MIT）和哈佛醫學院的研究人員最近在《自然通訊醫學》上發表了一篇開放獲取的論文，介紹了一種非侵入性的深度學習方法，該方法可以分析心電圖（ECG）信號，以準確預測患者發展心臟衰竭的風險。在臨床試驗中，該模型顯示出與金標準但更具侵入性的程序相當的準確性，為那些面臨心臟衰竭風險的人帶來了希望。最近，由於肥胖和糖尿病的日益普遍，心臟衰竭的死亡率急劇上升，尤其是在年輕人中。
該論文的主要作者Collin Stultz表示：“這篇論文是我多年來在其他場合討論的成果。這項工作的目標是識別那些即使在出現症狀之前就開始生病的人，以便及早介入，防止住院。”
心臟的四個腔室中，兩個是心房，兩個是心室——心臟的右側有一個心房和一個心室，反之亦然。在健康的人類心臟中，這些腔室以有節奏的方式運作：缺氧的血液通過右心房流入心臟。右心房收縮，產生的壓力將血液推入右心室，然後血液被泵送到肺部進行氧合。來自肺部的富氧血液流入左心房，左心房收縮，將血液泵入左心室。隨後再一次收縮，血液從左心室經主動脈排出，流向全身的靜脈。
Stultz解釋說：“當左心房壓力升高時，從肺部流入左心房的血液受到阻礙，因為這是一個高壓系統。”作為麻省總醫院（MGH）的心臟病學教授，Stultz補充說：“左心房的壓力越高，您出現的肺部症狀就越多——例如呼吸急促。因為心臟的右側將血液通過肺血管泵送到肺部，所以左心房的高壓會轉化為肺血管的高壓。”
目前測量左心房壓力的金標準是右心導管檢查（RHC），這是一種侵入性程序，需要將一根薄管（導管）連接到壓力傳感器，插入右心和肺動脈。醫生通常會在進行RHC之前，先非侵入性地評估患者的風險，通過檢查患者的體重、血壓和心率。
然而，Stultz認為這些測量方法過於粗糙，因為事實上每四名心臟衰竭患者中就有一名在30天內再次住院。“我們正在尋求的，是一種能提供與侵入設備相似的信息的方法，而不僅僅是一個簡單的體重秤，”Stultz說。
為了獲取更全面的患者心臟狀況信息，醫生通常使用12導程心電圖，其中10個粘貼式貼片固定在患者身上，並連接到一台從心臟的12個不同角度產生信息的機器。然而，12導程心電圖機器僅在臨床環境中可用，並且通常不用於評估心臟衰竭風險。
相反，Stultz及其他研究人員提出了一種心臟血流動力學AI監測系統（CHAIS），一種能夠分析單導程ECG數據的深度神經網絡——換句話說，患者只需在胸部佩戴一個單一的粘貼式商用貼片，便可在醫院外自由活動，而不需要連接到機器。
為了將CHAIS與目前的金標準RHC進行比較，研究人員選擇了已經安排進行導管檢查的患者，並要求他們在程序前24至48小時佩戴貼片，儘管患者在導管檢查前需將貼片取下。“當您距離程序只有一個半小時時，準確度達到0.875，所以這是非常非常好的，”Stultz解釋說。“因此，這個設備的測量與您在下一個一個半小時內進行導管檢查所獲得的信息是等效的。”
MGH的心臟病學家和重症醫生Aaron Aguirre SM ’03, PhD ’08表示：“每位心臟病學家都理解左心房壓力測量在表徵心臟功能和優化心臟衰竭患者的治療策略中的價值。”Aguirre表示：“這項工作很重要，因為它提供了一種非侵入性的方法來估計這一重要的臨床參數，使用的是廣泛可用的心臟監測設備。”
Aguirre期待隨著進一步的臨床驗證，CHAIS將在兩個關鍵領域發揮作用：首先，它將幫助選擇那些最能從更具侵入性的心臟檢測（通過RHC）中受益的患者；其次，該技術將能夠實現對心臟病患者的左心房壓力的連續監測和跟蹤。“一種非侵入性和定量的方法可以幫助優化患者在家中或醫院的治療策略，”Aguirre說。“我期待看到MIT團隊接下來的發展。”
然而，這些好處不僅限於患者——對於那些難以管理的心臟衰竭患者，防止他們再次住院成為一個挑戰，而不需要永久性植入裝置，這樣會佔用更多的空間和已經緊張的醫療人力資源。
研究人員目前正在與MGH和波士頓醫療中心進行另一項使用CHAIS的臨床試驗，希望能儘快得出結論以開始數據分析。
Stultz表示：“在我看來，AI在醫療保健中的真正希望在於為每個人提供公平的、最先進的護理，不論他們的社會經濟狀況、背景以及居住地。”他補充道：“這項工作是實現這一目標的第一步。”
這項研究不僅展示了深度學習在心臟病預測中的潛力，還表明了科技如何能以更人性化的方式改善醫療體系。隨著健康照護需求的增加，這類創新方法將成為提升醫療效率的重要工具，對於未來心臟病患者的管理和治療有著深遠的影響。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
