共计 950 个字符，预计需要花费 3 分钟才能阅读完成。
在全球范围内，结构性心脏病已成为重大公共卫生问题，影响着 6400 万心力衰竭患者和 7500 万瓣膜疾病患者，仅在美国每年就造成超过 1000 亿美元的医疗支出。然而，一项来自伦敦的最新研究显示，人工智能技术有望彻底改变这一现状。
据《自然》杂志报道，研究人员开发了一款名为 EchoNext 的 AI 工具，能够将普通的心电图（ECG）检查转化为有效的结构性心脏病筛查手段。该技术通过分析常规心电图数据，精准识别需要进行超声心动图检查的患者，从而检测瓣膜疾病、心肌组织增厚等心脏结构问题。
“ 传统医学教育认为心电图无法检测结构性心脏病，” 哥伦比亚大学瓦格洛斯内科与外科医学院的研究负责人皮埃尔·埃利亚斯表示，” 但我们的研究表明，心电图结合 AI 技术有望开创全新的筛查模式。”
研究数据显示，EchoNext 的准确率显著高于传统方法。在对 3200 份心电图的测试中，13 位心脏病专家的诊断准确率为 64%，而 EchoNext 达到了 77%。更为重要的是，在对近 85,000 名患者的心电图进行回顾性分析时，EchoNext 不仅确认了原有 4,100 例需要进行超声检查的病例，还额外识别出 3,400 名高风险患者。
“ 许多患者可能患有未被诊断的严重结构性心脏病，” 研究人员指出，”EchoNext 的应用有望将全球每年约 4 亿次心电图检查转化为同等数量的筛查机会，从而在最佳时机提供挽救生命的治疗。”
在另一项突破性研究中，耶鲁大学医学院的科学家们发现了神经元的 ” 备用电池 ” 机制。研究负责人米林德·辛格表示：” 神经元不仅依赖胶质细胞提供能量，自身还储存糖原，在代谢压力下可以作为应急能源。” 这一发现通过使用 C. elegans 线虫和荧光传感器的实验得以证实。
研究团队发现，当神经元的主要能量来源——线粒体受损时，糖原依赖性能量生产显得尤为重要。这种机制可能为中风、神经退行性疾病和癫痫等神经系统疾病提供新的治疗思路。
“ 这项研究重塑了我们对大脑能量代谢的理解，” 耶鲁大学高级研究员丹尼尔·科隆 - 拉莫斯表示，” 它为探索如何在疾病中保护和支持神经元功能开辟了新途径。”
这两项突破性研究分别发表在《自然》和《PNAS》期刊上，不仅展示了人工智能在医疗诊断领域的巨大潜力，也为理解大脑能量代谢机制提供了新的视角，有望在未来为相关疾病的预防和治疗带来革命性进展。
