心房顫動是最常見的心律失常，與三分之一的缺血性中風(fēng)有關(guān)，這是最常見的中風(fēng)類型。但房顫未被充分診斷，部分原因是許多患者沒有癥狀。
人工智能心電圖(ECG)最近被證明可以識別房顫短暫發(fā)作的存在，并且人工智能心電圖算法能夠在人群中臨床診斷得到確認(rèn)之前長達 10 年預(yù)測房顫 -由 Mayo Clinic 研究人員進行的基于研究。
Mayo Clinic 的一項新的基于人群的研究現(xiàn)在提供了證據(jù)，證明該算法可以幫助識別認(rèn)知能力下降風(fēng)險更大的患者。根據(jù)這項研究，顯示房顫高概率的人工智能心電圖也與 MRI 上的梗塞或腦卒中事件有關(guān)。
該研究發(fā)表在Mayo Clinic Proceedings上的一篇文章“人工智能支持的心房顫動心電圖識別認(rèn)知衰退風(fēng)險和腦梗塞”中進行了描述。
觀察到的大多數(shù)梗塞是皮層下的，這意味著它們發(fā)生在皮層以下的大腦區(qū)域。這表明啟用人工智能的心電圖不僅可以預(yù)測心房顫動，還可以檢測其他心臟病標(biāo)志物，并與小血管腦血管疾病和認(rèn)知能力下降相關(guān)。
“這項研究發(fā)現(xiàn)，在正常竇性心律期間獲得的人工智能心電圖與較差的基線認(rèn)知以及整體認(rèn)知和注意力的逐漸下降有關(guān)，”Mayo Clinic 神經(jīng)學(xué)家和該研究的通訊作者，醫(yī)學(xué)博士 Jonathan Graff-Radford 說。“研究結(jié)果提出了一個問題，對于 AI-ECG 算法得分高的個體，開始抗凝治療是否是一種有效且安全的預(yù)防策略，可降低中風(fēng)和認(rèn)知能力下降的風(fēng)險。”
Graff-Radford 博士說，需要進行前瞻性對照研究，以確定啟用 AI 的心電圖上的高心房顫動評分是否可以作為識別患者進行抗凝治療或更積極的中風(fēng)風(fēng)險因素調(diào)整的生物標(biāo)志物。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！