以往的心房颤动筛查试验表明，传统的筛查方法漏诊率较高，需要提出更具有针对性的检测方法。美国梅奥诊所研究团队评估了人工智能算法增强的靶向筛查心房颤动方法在识别房颤中的有效性。该研究成果于近日发表在《LANCET》，题为：Artificial intelligence-guided screening for atrial fibrillation using electrocardiogram during sinus rhythm: a prospective non-randomised interventional trial。

这项非随机干预试验对美国40个州的1003名患者（平均年龄为74岁）进行研究。这些患者为先前招募，有中风危险因素但先前无房颤，并在常规检测中做了心电图。参与者佩戴长达30天的连续动态心律监测仪，通过手机连接近实时的传输数据。人工智能算法应用于心电图，将患者分为高风险组和低风险组。在平均22.3天的连续监测中，370名低风险患者中有6人检测到心房颤动，633名高风险患者中有48人检测到心房颤动。与常规组相比，人工智能增强的筛查方式与心房颤动的检测率增加有关。

研究结果表明，利用现有临床数据的人工智能增强的靶向筛查方法提高了房颤的检测率，并可提高房颤筛查的有效性。

论文链接：https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(22)01637-3/fulltext#seccestitle10

注：此研究成果摘自《LANCET》，文章内容不代表本网站观点和立场。