商傳媒｜何映辰／台北報導
美國研究團隊近日開發出人工智慧（AI）模型，透過分析病患的電子健康紀錄（EHR）與心電圖（EKG）數據，能有效識別出普通人群中潛在的心臟驟停高風險個案。《The Facts》報導指出，這項發表於《JACC: Advances》期刊的研究，成功將心臟驟停的風險預測率從一般人群的千分之一，大幅提升至百分之一。
該研究旨在應對心臟驟停每年在美國導致逾 40 萬人死亡、存活率僅約一成的嚴峻挑戰。研究團隊利用一家大型美國醫療系統中約 170 萬名病患的數據，開發了三種不同的人工智慧模型：僅依賴心電圖數據的「EKG-only」模型、分析 156 項臨床特徵的「EHR-only」模型，以及結合兩者數據的綜合模型。
為驗證這些模型的有效性，研究人員使用了三個獨立的病患群組進行測試，包括 2013 至 2021 年的訓練組、2022 至 2023 年的測試組，以及 2021 年曾接受心電圖檢查的 39,911 名「真實世界」群組。在真實世界群組的應用中，綜合模型成功預測了 228 名最終發生心臟驟停的高風險者中的 153 人。研究主要調查員、華盛頓大學醫學院心臟病學家尼爾·查特基（Dr. Neal Chatterjee）表示，若醫生告知病患其心臟驟停風險為百分之一，這將會引起高度重視，使理論風險變得具體可見。
尼爾·查特基醫師強調，透過人工智慧應用與健康紀錄數據，在普通人群中預測心臟驟停是可行的。研究進一步發現，人工智慧增強型心電圖分析即使獨立使用，也展現出強大的預測能力，僅比結合電子病歷數據的模型略低。此外，該研究還識別出一些傳統上與心血管疾病無關的心臟驟停風險因素，例如電解質紊亂、物質濫用及藥物交互作用。尼爾·查特基醫師指出，12 導程心電圖作為一種低成本工具，在全球任何社區都有潛力篩查病患的心臟驟停風險。
儘管成果豐碩，研究團隊也坦承存在數項限制。所有數據均來自單一醫療系統，這使得研究結果能否推廣至其他具有不同人口結構與醫療模式的群體仍屬未知。此外，真實世界群組僅限於曾接受心電圖檢查的個體，這可能與未接受檢查者存在差異，且人工智慧增強型心電圖表徵可能反映出與人口統計和醫療模式相關的偏差。尼爾·查特基醫師亦指出，未來需要進行更多後續研究，以釐清如何利用這些病患資訊來制定適當的篩查、監測和干預策略。
