人工智能的心电图可以识别出中风认知能力

心房颤动是最常见的心律失常，与三分之一的缺血性中风有关，这是最常见的中风类型。但房颤未被充分诊断，部分原因是许多患者没有症状。

中原ZOY

人工智能支持的心电图(ECG)最近被证明可以识别房颤的短暂发作，并且人工智能支持的心电图算法能够在人群中临床诊断得到确认之前长达10年预测房颤-由MayoClinic研究人员进行的基于研究。　MayoClinic的一项新的基于人群的研究现在提供了证据，证明该算法可以帮助识别认知能力下降风险更大的患者。根据这项研究，显示房颤高概率的人工智能心电图也与MRI上的梗塞或脑卒中事件有关。

该研究发表在MayoClinicProceedings上的一篇文章“人工智能支持的心房颤动心电图识别认知衰退风险和脑梗塞”中进行了描述。　观察到的大多数梗塞是皮层下的，这意味着它们发生在皮层以下的大脑区域。这表明启用人工智能的心电图不仅可以预测心房颤动，还可以检测其他心脏病标志物，并与小血管脑血管疾病和认知能力下降相关。

ZOY

“这项研究发现，在正常窦性心律期间获得的人工智能心电图与较差的基线认知以及整体认知和注意力的逐渐下降有关，”MayoClinic神经学家和该研究的通讯作者，医学博士JonathanGraff-Radford说。“研究结果提出了一个问题，对于AI-ECG算法得分高的个体，开始抗凝治疗是否是一种有效且安全的预防策略，可降低中风和认知能力下降的风险。”

Graff-Radford博士说，需要进行前瞻性对照研究，以确定人工智能心电图上的高心房颤动评分是否可以成为识别患者进行抗凝治疗或更积极的中风风险因素调整的生物标志物。

这项回顾性研究回顾了年至年间参加梅奥临床衰老研究的3,名中位年龄为74岁的患者的窦性心电图。调整人口学因素后，启用AI的心电图心房颤动评分与较低的基线相关全球认知分数下降更快。大约三分之一接受心电图检查的患者也接受了核磁共振检查，心电图中的高房颤概率与核磁共振检测到的脑梗塞相关。

“这种AI-ECG算法的应用可能是另一种筛查个体的方法，不仅可以确定心房颤动的风险，还可以确定未来认知能力下降和中风的风险，”Graff-Radford博士说。

转载请注明：http://www.jmvwc.com/dxtbys/15134.html