共计 1340 个字符，预计需要花费 4 分钟才能阅读完成。
伦敦玛丽女王大学的研究团队近日开发出一款创新的人工智能工具，能够生成医学上精确的合成心脏纤维化组织模型，为房颤（AF）患者的治疗方案制定提供有力支持。这项发表在《心血管医学前沿》上的研究成果，有望为这一常见心律失常患者带来更加个性化的治疗方案。
心脏纤维化是指心脏中形成的瘢痕组织，通常由老化、长期压力或房颤本身引发。这些僵硬的纤维化组织会干扰心脏的电传导系统，导致房颤特有的不规则心跳。目前，医生主要依靠专门的核磁共振成像（LGE-MRI）来评估瘢痕的模式和分布，这些信息对治疗效果有着重要影响。
房颤的标准治疗方法是消融术，即通过制造小的、可控的瘢痕来阻断异常电信号。然而，手术成功率差异较大，如何为每位患者选择最佳治疗方法仍是一个挑战。虽然人工智能在预测治疗效果方面展现出潜力，但其发展一直受限于高质量患者影像数据的获取。
“LGE-MRI 提供了关于心脏纤维化的关键信息，但获取足够数量的扫描数据来全面训练人工智能模型并非易事，” 该研究的第一作者、伦敦玛丽女王大学的 Alexander Zolotarev 博士解释道，” 我们仅使用了 100 例房颤患者的真实 LGE-MRI 扫描数据来训练人工智能模型。随后，该系统生成了 100 个额外的合成纤维化模式，这些模式准确模拟了真实的心脏瘢痕。这些虚拟模型被用于模拟不同消融策略在各种患者心脏结构中的表现。”
研究团队开发的先进扩散模型能够生成与真实患者数据高度吻合的合成纤维化分布。当这些人工智能创建的模式被应用于 3D 心脏模型并与各种消融方法进行测试时，所得预测结果几乎与使用真实患者数据一样可靠。值得注意的是，这种方法不仅保护了患者隐私，还使研究人员能够研究比传统方法更广泛的心脏情况。
该研究强调了人工智能作为临床辅助工具而非决策者的新兴角色。” 这不是要取代医生的判断，”Zolotarev 博士强调说，” 而是为临床医生提供一个复杂的模拟器，让他们能够在实际手术前，在每位患者独特心脏结构的数字模型上测试不同的治疗方法。”
这项研究是 Caroline Roney 博士领导的英国研究与创新未来领袖奖学金项目的一部分，该项目旨在为房颤患者开发个性化的 ” 数字双胞胎 ” 心脏模型。
作为该研究的首席作者，伦敦玛丽女王大学的 Caroline Roney 博士表示：” 我们对这项研究感到非常兴奋，因为它解决了心脏数字双胞胎模型临床数据有限的挑战。我们的关键突破使得大规模计算机模拟试验和患者特异性建模成为可能，这将为房颤患者带来更加个性化的治疗方案。”
房颤影响着英国 140 万人口，其中一半的消融治疗未能成功，这项新技术有望显著减少重复手术的需要。更重要的是，这种人工智能方法解决了两个关键的医疗挑战：患者数据获取有限和保护敏感医疗信息的伦理需求。
来源：
期刊参考：
Zolotarev, A. M., et al. (2025) Synthetic fibrosis distributions for data augmentation in predicting atrial fibrillation ablation outcomes: an in silico study. Frontiers in Cardiovascular Medicine. doi.org/10.3389/fcvm.2025.1512356.
