秋冬心脏骤停多发，利用人工智能有助于预防该风险
根据将于 2023 年 11 月 11 日至 12 日在费城举行的美国心脏协会复苏科学研讨会上展示的初步研究，通过人工智能 (AI) 预测心源性猝死，甚至可能解决一个人预防未来死亡的风险，这可能是预防和全球健康战略的新举措。该会议是治疗心肺骤停和危及生命的创伤性损伤的最新进展的首要全球交流。
“猝死是一种公共卫生负担，占总体死亡人数的10%至20%。预测猝死很困难，通常的方法无法识别高危人群，特别是在个体层面，”该研究的主要作者、巴黎心血管研究中心巴黎大学医学研究所（Inserm U970-University of Paris）的心脏病学和流行病学教授Xavier Jouven博士说。“我们提出了一种新方法，不限于通常的心血管危险因素，而是包括电子健康记录中可用的所有医疗信息。”
研究小组利用人工智能从法国巴黎和西雅图的登记处和数据库分析了25,000名死于心脏骤停的人和70,000名普通人群的医疗信息，两组数据按年龄、性别和居住地区进行匹配。这些数据代表了100多万份医院诊断和1000万份药物处方，是从每例死亡前10年的医疗记录中收集的。
研究人员利用人工智能分析数据，建立了近25,000个方程式，其中包含个性化健康因素，用于识别那些心脏骤停风险很高的人。此外，他们为研究中的每个人开发了一个定制的风险预测。个性化风险方程包括一个人的医疗细节，如高血压治疗和心脏病史，以及包括酗酒在内的精神和行为障碍。分析确定了在特定百分比和时间范围内最有可能降低或增加心源性猝死风险的那些因素，例如，三个月内心源性猝死的风险为89%。
人工智能分析能够识别出有90%以上猝死风险的人，他们占所有心源性猝死病例的四分之一以上。“我们在心脏性猝死预测领域工作了近30年，但我们没想到能达到如此高的准确度。我们还发现，参与者之间的个性化风险因素非常不同，而且往往来自不同的医学领域（神经、精神、代谢和心血管数据的混合）——一个特定领域的专家很难捕捉到这些风险因素。”同时担任巴黎猝死专家中心创始人的Jouven说。“虽然医生有有效的治疗方法，如纠正风险因素、特定药物和植入式除颤器，但使用人工智能在特定科目中检测多年来登记的一系列医疗信息是必要的，这些信息将形成一个与心脏性猝死风险增加相关的轨迹。我们希望通过个性化的风险因素清单，患者能够与他们的临床医生合作，减少这些风险因素，最终降低心脏性猝死的可能性。”
该研究的局限性之一是，预测模型可能被用于本研究之外的领域。此外，电子健康记录中收集的医疗数据有时包括代理数据而非原始数据，而且不同国家收集的数据可能不同，因此需要调整预测模型。
根据将于 2023 年 11 月 11 日至 12 日在费城举行的美国心脏协会复苏科学研讨会上展示的初步研究，通过人工智能 (AI) 预测心源性猝死，甚至可能解决一个人预防未来死亡的风险，这可能是预防和全球健康战略的新举措。该会议是治疗心肺骤停和危及生命的创伤性损伤的最新进展的首要全球交流。
“猝死是一种公共卫生负担，占总体死亡人数的10%至20%。预测猝死很困难，通常的方法无法识别高危人群，特别是在个体层面，”该研究的主要作者、巴黎心血管研究中心巴黎大学医学研究所（Inserm U970-University of Paris）的心脏病学和流行病学教授Xavier Jouven博士说。“我们提出了一种新方法，不限于通常的心血管危险因素，而是包括电子健康记录中可用的所有医疗信息。”
研究小组利用人工智能从法国巴黎和西雅图的登记处和数据库分析了25,000名死于心脏骤停的人和70,000名普通人群的医疗信息，两组数据按年龄、性别和居住地区进行匹配。这些数据代表了100多万份医院诊断和1000万份药物处方，是从每例死亡前10年的医疗记录中收集的。
研究人员利用人工智能分析数据，建立了近25,000个方程式，其中包含个性化健康因素，用于识别那些心脏骤停风险很高的人。此外，他们为研究中的每个人开发了一个定制的风险预测。个性化风险方程包括一个人的医疗细节，如高血压治疗和心脏病史，以及包括酗酒在内的精神和行为障碍。分析确定了在特定百分比和时间范围内最有可能降低或增加心源性猝死风险的那些因素，例如，三个月内心源性猝死的风险为89%。
人工智能分析能够识别出有90%以上猝死风险的人，他们占所有心源性猝死病例的四分之一以上。“我们在心脏性猝死预测领域工作了近30年，但我们没想到能达到如此高的准确度。我们还发现，参与者之间的个性化风险因素非常不同，而且往往来自不同的医学领域（神经、精神、代谢和心血管数据的混合）——一个特定领域的专家很难捕捉到这些风险因素。”同时担任巴黎猝死专家中心创始人的Jouven说。“虽然医生有有效的治疗方法，如纠正风险因素、特定药物和植入式除颤器，但使用人工智能在特定科目中检测多年来登记的一系列医疗信息是必要的，这些信息将形成一个与心脏性猝死风险增加相关的轨迹。我们希望通过个性化的风险因素清单，患者能够与他们的临床医生合作，减少这些风险因素，最终降低心脏性猝死的可能性。”
该研究的局限性之一是，预测模型可能被用于本研究之外的领域。此外，电子健康记录中收集的医疗数据有时包括代理数据而非原始数据，而且不同国家收集的数据可能不同，因此需要调整预测模型。
20年生存率高达81%！国际性8万人大规模研究，证实低剂量CT筛查肺癌的巨大价值
近期，放射学领域的权威期刊、北美放射学会（RSNA）会刊Radiology上，正式刊发了国际早期肺癌筛查行动计划（I-ELCAP）的20年随访结果：经LDCT筛查确诊肺癌的患者，10年和20年肺癌特异性生存率都达到81%，患者长期生存率稳定维持在如此高的水平，完全符合肺癌治愈的概念，LDCT筛查成果斐然！
I-ELCAP项目可以算是肺癌筛查的“鼻祖级”研究，从1992年就开始前瞻性入组符合肺癌筛查条件的高危人群（最初定义为年龄≥60岁，且吸烟史≥10包·年），并在1999年报告了初步数据：经LDCT筛查确诊的肺癌患者有85%能够在早期被发现，而常规胸片检查会导致其中82%的患者漏诊。毫不夸张地说，I-ELCAP项目从此就引领了全球肺癌筛查的普及和发展，此后在2006年公布的随访结果显示，经LDCT确诊的肺癌患者10年特异性癌症生存率（cancer-specific survival，定义为患者因首次或第二原发肺癌死亡）可达80%，远超肺癌患者不足20%的整体5年生存率，早筛早诊早治疗的重要性可见一斑。
不过，10年生存可能仍然称不上是“肺癌治愈”，虽然学界对不同癌症的临床治愈标准尚无定论，但患者的癌症特异性生存率至少要达到“平台期”才行，因此I-ELCAP项目团队进一步延长了随访时间，评估患者的生存率能不能保持稳定。截至本次分析报告时，I-ELCAP项目已纳入了89404名接受LDCT筛查（每次筛查间隔为7-18个月）的肺癌高危人群，其中有1257人被确诊为肺癌，且81%（1017例）是在分期尚处于I期时被确诊的，因此近80%的患者有机会接受手术切除；截至2022年12月底，有212例患者因肺癌去世。
经筛查确诊患者的20年肺癌特异性生存率达到81%（95% CI: 78-83%），其中I期患者20年生存率为87%，可手术切除患者生存率更达到95%；在随访10年后患者生存率确实进入了平台期，意味着此后的癌症复发和致死都很少见。
#肺癌防治科普##肺癌##微博健康公开课##向肿瘤说拜拜##健闻登顶计划#
近期，放射学领域的权威期刊、北美放射学会（RSNA）会刊Radiology上，正式刊发了国际早期肺癌筛查行动计划（I-ELCAP）的20年随访结果：经LDCT筛查确诊肺癌的患者，10年和20年肺癌特异性生存率都达到81%，患者长期生存率稳定维持在如此高的水平，完全符合肺癌治愈的概念，LDCT筛查成果斐然！
I-ELCAP项目可以算是肺癌筛查的“鼻祖级”研究，从1992年就开始前瞻性入组符合肺癌筛查条件的高危人群（最初定义为年龄≥60岁，且吸烟史≥10包·年），并在1999年报告了初步数据：经LDCT筛查确诊的肺癌患者有85%能够在早期被发现，而常规胸片检查会导致其中82%的患者漏诊。毫不夸张地说，I-ELCAP项目从此就引领了全球肺癌筛查的普及和发展，此后在2006年公布的随访结果显示，经LDCT确诊的肺癌患者10年特异性癌症生存率（cancer-specific survival，定义为患者因首次或第二原发肺癌死亡）可达80%，远超肺癌患者不足20%的整体5年生存率，早筛早诊早治疗的重要性可见一斑。
不过，10年生存可能仍然称不上是“肺癌治愈”，虽然学界对不同癌症的临床治愈标准尚无定论，但患者的癌症特异性生存率至少要达到“平台期”才行，因此I-ELCAP项目团队进一步延长了随访时间，评估患者的生存率能不能保持稳定。截至本次分析报告时，I-ELCAP项目已纳入了89404名接受LDCT筛查（每次筛查间隔为7-18个月）的肺癌高危人群，其中有1257人被确诊为肺癌，且81%（1017例）是在分期尚处于I期时被确诊的，因此近80%的患者有机会接受手术切除；截至2022年12月底，有212例患者因肺癌去世。
经筛查确诊患者的20年肺癌特异性生存率达到81%（95% CI: 78-83%），其中I期患者20年生存率为87%，可手术切除患者生存率更达到95%；在随访10年后患者生存率确实进入了平台期，意味着此后的癌症复发和致死都很少见。
#肺癌防治科普##肺癌##微博健康公开课##向肿瘤说拜拜##健闻登顶计划#
AI又在医学领域发挥作用了！最新研究表明，人工智能有望在预防心源性猝死方面发挥重要作用。#人工智能#
该研究于11月7日发布，通过分析超过100万份医院诊断和1000万份处方记录，研究人员收集了长达10年的医疗数据。利用人工智能技术，研究人员建立了近25 000个个性化健康因素方程式，用于识别心源性猝死高风险人群。研究发现，猝死几率超过90%的人占所有心源性猝死的25%以上。这一发现有望为预防心源性猝死提供新的方法和途径。
该研究于11月7日发布，通过分析超过100万份医院诊断和1000万份处方记录，研究人员收集了长达10年的医疗数据。利用人工智能技术，研究人员建立了近25 000个个性化健康因素方程式，用于识别心源性猝死高风险人群。研究发现，猝死几率超过90%的人占所有心源性猝死的25%以上。这一发现有望为预防心源性猝死提供新的方法和途径。
✋热门推荐