AI揭开心脏猝死的无声预警
前几天刷到一条新闻，看完之后我在沙发上坐了好久。不是那种被震撼到说不出话的坐，是那种……你突然意识到，有些改变已经发生了，但大多数人还浑然不觉。事情是这样的：6月24日，UC伯克利的研究团队在《自然》杂志上发表了一项研究。他们训练了一个AI，让它看了44万多张心电图。然后这个AI发现了一个人类医生看了几十年都没注意到的东西——心电图里藏着一种能预测心脏猝死的信号。你没看错。是"发现"，不是"识别"。识别是你告诉AI去找什么，发现是AI自己找到了你不知道的东西。先说说
AI助力科研突破：全新技术可预判心脏骤停高危人群
每年逾30万人因心脏骤停离世，这种疾病源于心脏电系统在无预警情况下发生功能异常。研究团队借助瑞典44万余份心电图数据，融合死亡登记信息，构建人工智能模型解析心脏电流形成的峰值与波形。结果显示，该算法对心电图的判读效果超越了传统临床检验手段。此类突发疾患可致使高龄高危人群及无心脏病既往史的年轻运动员猝然离世。尽管植入式除颤器能通过电击施救，但判定哪些人群真正需要该装置仍充满未知。加州大学伯克利分校的科研团队运用一项可能改写规则的利器，于心电图内捕捉到一类此前未被察觉的信号，能够更精准地筛查出心脏骤停发作前的
人工智能技术在心房颤动诊断中的有效性分析：系统评价与Meta分析
心房颤动（Atrial Fibrillation, AF）作为全球最常见的持续性心律失常之一，同时也是引发脑卒中及其他心血管不良事件的关键风险因素。传统诊断手段，如常规心电图与动态心电监测装置，由于设备获取难度大且监测时间窗口有限，表现出显著不足，特别是在无症状型或间歇性房颤患者中，误诊可能性较高。近年来，人工智能技术结合可穿戴设备的快速发展，为早期房颤筛查提供了具有潜力的新型解决方案。本研究系统综述致力于全面评估人工智能辅助及可穿戴设备在临床应用和实际场景中用于房颤检测的诊断准确性与效能。研究小组对Pu
AI心电图模型筛查房颤风险获多中心验证
房颤作为一种普遍的心律紊乱，会明显提升脑卒中和心衰的危险性。该病症往往表现为隐匿性或间歇发作，给临床确诊带来挑战。及早发现尚未诊断或新发的房颤病例，并迅速启动口服抗凝疗法，可显著减少卒中事件。基于此，研发有效的筛查手段来甄别高风险群体，对临床实践具有重要价值。4月7日，Tempus AI公司的Christopher M. Haggerty作为通讯作者，在《Heart Rhythm》期刊发表了题为《人工智能心电图模型预测1年内心房颤动或扑动风险的多中心验证》的研究论文。此项研究共收集了三个不同医疗中心的40