无需手术，MIT团队开发AI模型预测心衰风险，准确率达87.5%

古希腊哲学家亚里士多德曾认为人类的心脏分为三个腔室，并且是身体中最重要的器官，控制着运动、感觉和思维。如今我们知道，人类的心脏实际上有四个腔室，而大脑主要负责运动、感觉和思维。

尽管如此，至少亚里士多德的部分判断是正确的：心脏是一个至关重要的器官，它将血液泵送到全身为其他重要器官输送养分。一旦像心力衰竭这种危及生命的疾病发作，心脏就会逐渐失去为其他器官提供足够血液和营养的能力，使其无法正常工作。

多年以前，心力衰竭的死亡率曾一度呈下降趋势，但 2012 年这一趋势发生了逆转，并在 2020 和 2021 年急剧攀升，尤其是在年轻人中更为明显，这可能与肥胖和糖尿病的高发有关。

近日，麻省理工学院和哈佛医学院的研究人员在Nature Communications Medicine上发表了一篇论文，他们开发了一个名为“CHAIS”的 AI 模型，让临床医生能够更简单明了地监测患者的心脏健康状况。

具体来说，他们开发的是一种深度学习方法，通过分析心电图（ECG）信号准确预测患者发展为心力衰竭的风险。在一项临床试验中，这个模型的准确性与“金标准”（右心导管插入手术）相当，给那些面临心力衰竭风险的人带来了希望。

“这篇论文总结和概括了我多年来在不同场合讨论的内容。”论文资深作者、哈佛-麻省理工学院健康科学与技术项目主任 Collin Stultz 说道，“这项研究旨在识别那些甚至在出现症状前就已开始患病的人，以便尽早进行干预，避免患者住院。”

在心脏的四个腔室中，有两个心房和两个心室，心脏右侧和左侧各有一个心房和一个心室。健康人的心脏中，这些腔室有节奏地协同工作：含氧量低的血液经右心房流入心脏，右心房收缩产生压力，将血液推入右心室，随后血液被泵入肺部进行氧合；紧接着，来自肺部的富含氧气的血液流入左心房，左心房收缩，把血液泵入左心室；随后，左心室再次收缩，血液通过主动脉喷出，流入静脉，进而输送到身体各个部位。

“当左心房压力升高时，血液从肺部流入左心房就会受阻，因为此时左心房压力更高。左心房的压力越高，肺部症状就越明显，比如呼吸急促。由于心脏右侧负责将血液通过肺血管泵入肺部，所以左心房的高压会导致肺血管系统压力升高。”Collin Stultz 解释道。

目前，测量左心房压力的 “金标准” 是右心导管插入术（RHC），这是一种侵入性手术，需要将一根连接压力变送器的细管（导管）插入右心和肺动脉。通常情况下，医生在采用 RHC 之前，会先通过检查患者体重、血压和心率等方式进行风险评估。

但在 Collin Stultz 看来，这些评估方法仍然不够精确，因为有四分之一的心力衰竭患者在 30 天内再次入院。“我们在找到一种能提供类似侵入性设备所测信息的方法，而不是仅仅依靠简单的体重秤。”他说道。

为了更全面地了解患者的心脏状况，医生通常使用 12 导联心电图。检查时，需在患者身上贴上 10 个粘性贴片，并连接到一台机器上，从心脏的 12 个不同角度采集信息。然而，这种 12 导联心电图机只能在临床环境中使用，且通常不用于评估心力衰竭风险。

Collin Stultz 和团队提出了一种名为“CHAIS”的心脏血流动力学 AI 监测系统，这是一个深度神经网络，能够分析来自单导联心电图的数据。换句话说，患者需要做的只是在胸部贴一个粘性贴片，无需连接到机器上，即使不在医院也能佩戴。

为了将 CHAIS 与现有的金标准进行比较，研究人员选择了已经安排进行导管插入术的患者，在手术前 24 至 48 小时让他们佩戴贴片，并在导管插入术前取下。“在手术前一个半小时内准确率达到 0.875，这已经非常接近了。”Collin Stultz 说道，“这意味着它的测量结果与侵入性手术相近，能为医生提供几乎相同的信息。”

麻省总医院的心脏病专家 Aaron Aguirre 表示，“每一位心脏病医生都知晓左心房压力测量对评估心脏功能和优化心力衰竭患者的治疗策略的重要性。这项工作之所以重要，是因为它提供了一种利用广泛可用的心脏监测仪器、非侵入性地估计这一关键临床参数的方法。”

Aaron Aguirre 预计，随着进一步的临床验证，CHAIS 将在两个关键领域发挥作用。其一，帮助筛选出最适合通过 RHC 进行更具侵入性心脏测试的患者；其二，该技术能够持续监测和跟踪心脏病患者的左心房压。

“这种无创定量方法有助于优化家庭或医院患者的治疗方案。我很期待麻省理工学院团队的后续研究成果。”他表示。

除此之外，CHAIS 带来的好处不仅体现在患者身上，对于难以护理的心力衰竭患者来说，避免频繁住院而不依赖永久植入设备，这种方法减轻了医疗系统负担，节省了时间和资源。

目前，研究人员与麻省总医院和波士顿医疗中心正在开展另一项基于 CHAIS 的临床试验，他们希望尽快完成试验，以便开展数据分析。

“在我看来，人工智能在医疗保健领域的真正意义在于：无论人们的社会经济地位、背景和居住地如何，都能享受到公平、先进的医疗服务。”Collin Stultz 表示，“这项研究正是朝着这个目标迈出的重要一步。”

https://news.mit.edu/2025/can-deep-learning-transform-heart-failure-prevention-0210