《柳叶刀临床医学》：人工智能能帮助预测哪些心力衰竭患者会在一年内恶化
更新时间：2026/4/19 16:06:48 浏览次数：93研究人员开发了一种深度学习模型，可以提前一年预测患者的心力衰竭预后。
麻省理工学院等机构的研究团队合作开发出深度学习模型 PULSE-HF，相关成果发表于《柳叶刀临床医学》，该模型能通过心电图预测心衰患者左心室收缩功能的变化，精准预判左心室射血分数（LVEF）的波动。健康心脏的左心室射血分数为 50%-70%，该模型可预测患者一年内射血分数是否会降至 40% 以下 —— 这是心衰最严重的亚型指标。
PULSE-HF 的核心优势在于预测而非检测，目前尚无其他方法能实现心衰患者未来 LVEF 下降的预判。临床中，该模型可帮助医生优先跟进高风险患者，减少低风险患者的就诊频次和相关检查，还能在农村等医疗资源匮乏地区落地，弥补专业超声医师不足的问题。经测试，该模型在三个不同患者队列中的 AUROC 值达 0.87-0.91，表现优异；研究人员还开发出单导联版本，仅需一个电极即可检测，性能与 12 导联版本持平。
该模型的研发耗时数年且历经多次迭代，团队最大的挑战是心电图、超声心动图数据集的收集、处理与清理。超声心动图文件多为 PDF 格式，转换为文本后易因格式问题难以被模型识别，且临床中的信号伪影等问题也会影响数据质量，虽有复杂方法可过滤数据，但效果有限，研究团队需结合实际用例平衡数据处理的成本与效果。
目前研究团队计划对 PULSE-HF 开展前瞻性研究，在射血分数未知的真实患者群体中进行测试。尽管研发临床人工智能工具面临诸多挑战，甚至可能延长研究人员的博士研究周期，但团队成员认为这份努力极具价值。研究人员表示，机器学习与医疗健康领域的研究有其独特挑战，而利用技术为医疗助力、减轻患者病痛，是对研究时间的宝贵利用，这也是他们深耕该领域的初衷。
参考文献
Forecasting left ventricular systolic dysfunction in heart failure with artificial intelligence
扫描下载体外诊断头条APP
扫描关注CAIVD官方微信
扫描关注CAIVD官方视频号
扫描关注CACLP官方微信
扫描关注CACLP官方视频号
全国卫生产业企业管理协会实验医学分会
( 京ICP备15010734号-10 )
