研究人员更接近于预测两种常见的心脏病

Cedars-Sinai 的两项新研究在预测两种重要的心脏病方面取得了进展——通常是致命的心脏骤停，以及冠状动脉钙增加，冠状动脉疾病可导致心脏病发作。

这些研究由 Cedars-Sinai 的 Smidt 心脏研究所和医学中心的医学人工智能部门 (AIM) 的研究人员领导。

参与心脏骤停研究的研究人员确定了一组与心脏骤停特别相关的新型血液生物标志物，该研究发表在《心律》杂志上。这些生物标志物有可能增强心脏骤停的临床预测——本月早些时候，国家橄榄球联盟 (NFL) 球员达玛哈姆林 (Damar Hamlin) 在比赛中经历心脏骤停后，这种危及生命的情况成为头条新闻。

心脏骤停是心跳突然停止，在每年影响超过 350,000 人。尽管有组织的紧急医疗响应系统，但只有不到 10% 的心脏骤停患者能够存活。

“心脏骤停的低存活率表明需要风险确定、早期预测和改进初级预防，”该研究的资深作者、心律中心教授兼主任、医学博士 Sumeet Chugh 说。目的。

Chugh 也是 Cedars-Sinai 心脏骤停预防中心的主任，他的职业生涯致力于研究心脏骤停。他的研究导致了预测心脏骤停的新方法，目前正在评估这些方法，目的是将这些方法用于临床护理。

在这项与 Cedars-Sinai 的 Van Eyk 实验室合作开展的研究中，研究人员分析了从心脏骤停幸存者身上获得的大量血液生物标志物，比较了一组没有冠状动脉疾病的人和一组患有该疾病的人的结果.

“当将病例与对照组进行比较时，我们总共确定了 26 种与心脏骤停相关的蛋白质生物标志物，其中 20 种将心脏骤停与冠状动脉疾病区分开来，”该中心的研究科学家 Faye Norby 博士说。斯密特心脏研究所的心脏骤停预防和该研究的第一作者。“虽然这些生物标志物有可能增强对心脏骤停的预测，但未来的研究需要在更大范围的患者中复制这些发现。”

发表在《超声心动图学会杂志》上的冠状动脉钙化研究首次表明，可以通过人工智能算法“读取”心脏的超声图像，从而准确识别患者是否存在大量钙化在他们的冠状动脉中积聚。

传统上，冠状动脉钙积聚是使用 CT 扫描来诊断的，这种扫描并非在每个中心都可用，患者会受到辐射，而且费用高昂。另一方面，心脏超声检查(也称为超声心动图)可以在诊所或医生办公室进行，不会产生辐射，而且往往要便宜得多。

“我们表明，当使用我们的 AI 软件进行解释时，超声心动图可以预测冠状动脉钙化并预测心脏病发作风险，几乎与 CT 扫描一样，”资深作者 David Ouyang 医学博士说，他是 Smidt Heart 心脏病学系的心脏病专家研究所和 AIM 部门的研究员。“即使在专家读者肉眼看到心脏超声图像看起来相当正常的情况下，这也被证明是正确的。”

使用包含 2,881 张超声心动图图像的数据集，研究人员训练了一种基于视频的人工智能工具来预测冠状动脉钙化分数。分数范围从零(代表没有冠状动脉钙积聚迹象的“完美”分数)到超过 2,000，个人预后不良，代表心脏病发作和冠状动脉疾病的高风险。

基于视频的深度学习模型成功预测了健康状况良好且冠状动脉钙化评分高的患者的得分为零，这可能预示着未来的预后更差。

欧阳和团队希望这种高效的技术——包括每位患者的冠状动脉钙化评分——可以用于所有超声心动图实验室。欧阳说，这种类型的资源“将允许更快、可能更频繁且通常更具成本效益的成像，从而提供具有临床价值的预测信息。”