2022才過去三分之一，就發(fā)生了許多令人悲痛的事情。新年剛過，當我們還沉浸在春節(jié)假期里，游蕩在各種飯局中，負責嗶哩嗶哩圖文審核的25歲員工在連續(xù)加班5天后猝死，將所有人拉回了社畜的現(xiàn)實。

同月，字節(jié)跳動一名28歲的工程師在健身房鍛煉，突發(fā)不適，在送至醫(yī)院搶救無效后離世。冬奧落下帷幕之后，疫情又開始復發(fā)，許多城市開始了一遍遍的靜態(tài)管理。一些因為疫情管控的病患來不及診治，消亡在了搶救的路途中。

疫情防控基層一線的工作人員中，因為繁重的工作和壓力，有大白、社區(qū)工作人員、保安等人員因為過勞而猝死。這些年輕鮮活的生命戛然而止，給親屬帶來巨大的悲痛，也給仍然在奮斗的社畜敲響了警鐘。猝死跟年齡無關，離高壓下的社畜并不遠。

數(shù)據(jù)統(tǒng)計，80%以上的猝死都屬于“心源性猝死”，也就是因為心臟原因如心力衰竭或心律失常等引起。中國心源性猝死的發(fā)生率41.84例/ 10萬人，每年心源性猝死的總人數(shù)高達 54.4萬，中國也是全世界發(fā)生心源性猝死人數(shù)最多的國家。

每年幾乎一個縣的人數(shù)因為心源性疾病猝死，這么龐大的數(shù)量，亟需醫(yī)療系統(tǒng)開發(fā)個性化的心率猝死風險的評估工具，以挽救生命，并減輕巨大的公共衛(wèi)生負擔。近日，約翰霍普金斯大學研究人員領導的團隊，開發(fā)了一種基于AI的預測工具，可以預測患者是否以及何時可能死于心臟驟停。

需求與效率交接

常規(guī)的AI技術應用，在心血管篩查、診療、AI醫(yī)學影像上緊密聯(lián)系，AI在這其中有巨大發(fā)揮的空間。

如果去醫(yī)院看病的話，你會發(fā)現(xiàn)心血管科室絕對是最忙碌的科室之一。在全民高壓高節(jié)奏的生活方式下，越來越多的人有各種心臟方面的不適。

根據(jù)美國心臟協(xié)會的研究，25%左右的冠心病患者平常與健康人無異，一旦發(fā)病，在黃金的搶救時間內(nèi)來不及的話，首次發(fā)病直接猝死的概率非常大，他們甚至連發(fā)現(xiàn)和治療的機會都沒有。被媒體報道出的猝死只是少數(shù)，更多的猝死正在發(fā)生。

大量普通人主動的體檢篩查和患者更好的治療需求，使得心血管醫(yī)學影像識別的重要性急劇提升，AI新技術的引入尤為重要。

用AI看片子，將心血管影像識別的步驟時間壓縮，效率會極大地提升。傳統(tǒng)的醫(yī)療體系方式中心血管影像的診斷，分為圖像掃描、圖像后處理、撰寫報告、報告審核四個步驟，單個病例在影像環(huán)節(jié)需要花費最低半個小時。國內(nèi)AI醫(yī)療公司開發(fā)的心血管AI影像識別產(chǎn)品，將時間縮短在5分鐘左右，比傳統(tǒng)的識別效率提升了6倍以上。

不同的醫(yī)生在影像識別的能力不同，在“充實”的門診活動中，過勞也是經(jīng)驗豐富醫(yī)生的日常，疲勞造成的準確率波動，對AI影像來說不存在，越多的數(shù)據(jù)也就意味著更加準確的診療。AI勞模并不會疲憊，隨著合作醫(yī)院的增多，數(shù)據(jù)不斷豐富、算法不斷優(yōu)化，心血管AI影像識別系統(tǒng)在持續(xù)地學習中，準確率也在不斷提升。

我們會發(fā)現(xiàn)，市面上AI在心血管中的診療工具集中在影像功能上，換句話說，AI目前能夠做到的診療也僅限于有意識體檢的人群和心血管病患。這些有心源性病理顯示的病患，比普通人更高概率觸發(fā)猝死，但這種情形什么時候發(fā)生是懸在頭頂?shù)奈粗獢?shù)。

預測微妙的風險關頭

對于人們來說，心源性猝死最大的威脅就是發(fā)病時間無法預料。而約翰霍普金斯大學的研究團隊可以利用開發(fā)的AI新技術，改變臨床決策并提高突發(fā)性和致命性心律失常的存活率。最新的相關研究發(fā)表在近日的《自然心血管研究》上。

雖然心源性的心臟病都有觸發(fā)猝死的可能，但有些患者的風險比較低，可能不需要使用體外除顫器（AED），而有些高風險患者如果沒有及時治療，可能會錯過他們黃金的挽救時期死亡。而這個AI算法可以做的是，確定誰有心臟猝死的風險，以及何時發(fā)生，進而讓醫(yī)生準確地決定需要做什么。

研究人員為這種基于深度學習技術的工具起了個名字，稱其為心律失常風險生存研究。據(jù)悉，這也是首個使用神經(jīng)網(wǎng)絡為每位心臟病患者建立個性化生存評估的工具，它能夠測量10 年內(nèi)心源性猝死的概率，以及最有可能發(fā)生的時間。

研究團隊首先使用對比度增強的心臟磁共振圖像，來可視化約翰霍普金斯醫(yī)院 156 名心臟磁心肌病真實患者的瘢痕分布，訓練了一種檢測瘢痕的模式和關系的算法。同時還使用了臨床患者十年的數(shù)據(jù)訓練了第二個神經(jīng)網(wǎng)絡，患者數(shù)據(jù)包括年齡、體重、種族和處方藥使用等 22 個因素。
然后使用深度神經(jīng)網(wǎng)絡直接從 CMR 圖像和臨床因素中學習這些參數(shù)，從而對生存數(shù)據(jù)進行最佳建模，預測個性化的生存概率，得到患者的個體特異生存曲線。

在實際的預測驗證中，這個AI工具的準確率的表現(xiàn)也十分優(yōu)異。來自美國 60 個醫(yī)療中心的獨立患者的測試結果表明，算法的預測比醫(yī)生準確很多。這個結果也意味著該系統(tǒng)未來可以被廣泛普及應用。

在歐美人群中，心源性猝死的概率和中國差不太多，每 100,000 人中的發(fā)病率為 50-100 人，占所有死亡人數(shù)的 15-20%。高達20%的占比是一個不能忽視的重大隱患。而能夠預測心源性猝死的概率與可能發(fā)作的時間的AI工具，對于病患以及健康診療的公共衛(wèi)生來說意義重大。

懸在病患頭上的未知有了可以參考的風險概率，對于病患和醫(yī)生來說，極大提高了病患存活的概率。這個AI工具目前正在進行更多的測試和審核，以備未來更快進入臨床的應用。

從重視征兆開始

這類較為準確預測心血管疾病的AI工具，國內(nèi)目前沒有相關的研究披露。在心血管醫(yī)學領域，國內(nèi)AI的介入主要還是影像識別、手術規(guī)劃、疾病的管理等領域。AI心血管影像識別的應用發(fā)展較為緩慢，目前剛剛進入了臨床試用的階段。

相較于肺部影像來說，心血管醫(yī)學影像識別的技術更加困難，并沒有其他AI影像扎堆研發(fā)的熱潮，高門檻的技術難點也讓不少企業(yè)望而卻步。其他的影像掃描圖像基本是相對靜止的狀態(tài)，圖像更容易合成與分析，而不斷跳動的心臟，以及冠脈極端復雜的網(wǎng)狀結構，圖像的合成和三維重建十分困難。再加上心臟病癥的種類豐富，包括冠心病、主動脈夾層、動脈炎等，都給AI的診斷與預測提出了巨大的難題。AI在心血管領域開疆擴土的發(fā)展空間還有很大的生長空間和商業(yè)價值。

AI心血管醫(yī)學領域市場需求龐大、技術價值明顯。這個難跨越道路的走通，對于其他醫(yī)學領域的研究來說，也會蘊含巨大的價值。最難的研究做通了，相對簡單的領域一些工具和模型的適配與研究也會更加容易突破。

面對猝死，除了依賴AI技術，積極地體檢外，我們還能夠做些什么？

學習下心源性猝死的征兆也是個求生的技能。最明顯的征兆是不明原因的暈厥，這是身體發(fā)出的警告，請一定要重視；第二個是我們大多數(shù)比較熟悉的胸悶、心悸、呼吸困難、心痛等，嚴重的還有虛汗淋漓、面色灰白、煩躁不安等，這都是十分明顯并且不容忽略的征兆，可能會觸發(fā)心肌梗死；第三個是莫名的疲勞，是那種反常且不能恢復原本精力的疲勞，胸悶氣短，干什么都累。

這些征兆的發(fā)生，請一定不要忽視，先快步走進醫(yī)院再說。再緊急的工作，沒有心臟的呼聲緊急，再大的單子，也比不上自己的生命珍貴。所有先進的AI技術都是有診治的先決條件，文中可以預測心梗猝死概率的AI系統(tǒng)，前提是你得活著確診是心源性疾病，才能有機會應用。

在疫情反復的當下，亂七八糟的低壓情緒交織，許多人都有必須要面對的課題，低壓的情緒與高壓的生存壓力碰撞，崩塌不知道在哪個瞬間。身體有時候比大腦要警覺得多，在發(fā)出各種信號的時候，請豎起天線積極接收信號。在前沿AI技術介入診療前，活著才是一切美好和機遇發(fā)生的前提。