共计 719 个字符，预计需要花费 2 分钟才能阅读完成。
每年，心脏性猝死在全球夺走超过 500 万人的生命，其中许多病例发生在毫无预兆的情况下。一项由 Inserm、巴黎西岱大学和巴黎公立医院集团（AP-HP）联合美国研究人员开展的最新研究，为这一严峻问题带来了突破性进展。
研究团队开发了一种模仿人脑功能的人工神经元网络，通过分析来自六个国家的 24 万份动态心电图数据，该算法成功识别出 70% 以上可能在接下来两周内发生心脏骤停的高风险患者。
巴黎心血管研究中心研究员 Laurent Fiorina 博士表示：’ 通过分析 24 小时的电信号，我们能够识别出在接下来两周内容易发生严重心律失常的个体。这种严重心律失常如果不加以治疗，可能会发展为致命的心脏骤停。’
研究团队特别关注心脏在一个完整收缩和舒张周期内电刺激和放松心室所需的时间。借助人工智能技术，他们成功识别出预示心律失常风险的新微弱信号。虽然人工神经网络仍处于评估阶段，但在这项研究中，它显示出能够在 70% 的病例中检测出高风险患者，并在 99.9% 的病例中识别出无风险患者。
PARCC 研究主任 Eloi Marijon 教授指出：’ 我们在此提出的是一种预防猝死的范式转变。此前，我们一直试图从中长期角度识别高风险患者，但无法预测心脏骤停前几分钟、几小时或几天内可能发生的情况。现在，借助人工智能，我们可以在极短的时间内预测这些事件，并有可能在事态恶化前采取行动。’
未来，该算法有望应用于医院中的高风险患者监测，并可能集成到动态 Holter 设备甚至智能手表中。研究人员计划进行前瞻性临床研究，以测试该模型在真实条件下的有效性。
随着人工智能技术的不断进步，预防心脏性猝死的前景变得更加光明。这项研究不仅为医疗领域带来了新的希望，也为未来开发更先进的预防工具奠定了基础。
