四川
瓣膜性心脏病（VHD）是发病率和死亡率的重要来源，尽管早期干预可以改善预后。
2025年7月16日，复旦大学葛均波、英国帝国理工学院Fu Siong Ng、Arunashis Sau共同通讯在European Heart Journal（IF=35.6）在线发表题为“Artificial intelligence-enhanced electrocardiography to predict regurgitant valvular heart diseases: an international study”的研究论文。该研究开发了人工智能增强心电图（AI-ECG）模型来诊断和预测rVHD，并在跨国和不同种族的队列中验证了这些模型。研究结果表明，AI-ECG模型可用于指导有未来rVHD风险的患者进行超声心动图监测，以促进早期发现和干预。
瓣膜性心脏病（VHD）影响着全球4100万人，患病率和相关死亡率不断上升。对具有临床意义的中度或重度VHD及时进行药物治疗以及手术或经导管干预已被证明可以降低死亡率并改善预后。因此，重要的是要确定那些虽然目前没有表现出具有临床意义VHD，但未来发展风险很高的患者。然而，预测严重VHD的进展仍然是一个复杂的挑战。已经研究了VHD进展的人口统计学和超声心动图预测因素，尽管这些研究采用了不同的进展定义，但尚未开发出系统的预测模型。因此，目前的临床指南建议对轻度VHD患者进行非选择性的定期超声心动图监测，这可能会给有限的医疗资源带来压力，而没有为没有VHD证据的个人提供建议。
最近，人工智能（AI）增强心电图（AI-ECG）模型在筛查和诊断流行的重大VHD方面显示出了希望，尽管目前还没有预测未来重大VHD的模型。有趣的是，AI-ECG对流行性VHD的假阳性预测与随访期间VHD进展的未来风险独立相关，表明VHD的微妙心电图特征可能早于结构变化，因此是重要的预后标志物。此外，最近开发了可穿戴设备，可以连续监测心电图信号，促进早期疾病检测和预测，从而增强VHD的管理。
机理模式图（图源自European Heart Journal）
该研究表明，人工智能增强心电图可以准确诊断严重MR、AR和TR的流行并预测其未来发展。这些发现首次在国际和种族不同的队列中得到验证。这种方法可以作为开发rVHD预测程序的基础，以促进早期检测、及时干预和潜在的预防性治疗，同时通过根据进展风险调整超声心动图监测的频率来优化资源利用。
https://doi.org/10.1093/eurheartj/ehaf4488
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
