研究人员开发了一种人工智能工具，能够创建合成但医学上准确的纤维化心脏组织（心脏疤痕）模型，帮助房颤（AF）患者的治疗规划。这项研究可能为受这种常见心律失常影响的患者提供更个性化的护理。
一项新的研究展示了人工智能如何预测心脏手术的成功，而不单单依赖于真实患者数据。
伦敦女王玛丽大学的研究人员开发了一种人工智能工具，能够创建合成但医学上准确的纤维化心脏组织（心脏疤痕）模型，帮助房颤（AF）患者的治疗规划。这项发表在《心血管医学前沿》的研究，可能为受这种常见心律失常影响的患者提供更个性化的护理。
纤维化是指心脏中形成的疤痕组织，通常是由于衰老、长期压力或房颤本身所致。这些僵硬的纤维组织片段干扰了心脏的电系统，可能导致房颤特有的不规则心跳。目前，通过专门的MRI扫描（LGE-MRI）评估这些疤痕的模式和分布，对治疗结果有显著影响。
房颤通常通过消融治疗，医生在这一过程中创造出小而受控制的疤痕，以阻断不规则的电信号。然而，成功率变化很大，预测哪种方法最适合个别患者仍然具有挑战性。尽管人工智能在预测结果方面表现出希望，其开发受限于高质量患者成像数据的获取。
伦敦女王玛丽大学的首位作者亚历山大·佐洛塔列夫博士解释道：“LGE-MRI提供了关于心脏纤维化的重要信息，但获得足够的扫描以进行全面的人工智能训练是有挑战的。我们仅在100个房颤患者的真实LGE-MRI扫描上训练了一个人工智能模型。该系统随后生成了100个额外的合成纤维化模式，准确模仿真实心脏疤痕。这些虚拟模型用于模拟不同消融策略在各种患者解剖结构中的表现。”
团队的先进扩散模型生成的合成纤维化分布与真实患者数据非常吻合。当这些人工智能创建的模式应用于3D心脏模型并与各种消融方法进行对比时，结果预测的可靠性几乎与使用真实患者数据的预测相当。至关重要的是，这种方法保护了患者隐私，同时使研究人员能够研究比传统方法所允许的更广泛的心脏场景。
该研究强调了人工智能作为临床支持工具而非决策者的不断崛起角色。佐洛塔列夫博士强调：“这并不是要取代医生的判断，而是为临床医生提供一个复杂的模拟器——允许他们在进行实际手术之前，在每位患者独特的心脏结构的数字模型上测试不同的治疗方法。”
这项工作成为卡罗琳·罗尼博士的UKRI未来领导者奖学金项目的一部分，旨在为房颤患者开发个性化的“数字双胞胎”心脏模型。
伦敦女王玛丽大学的该研究的首位作者卡罗琳·罗尼博士表示：“我们对这项研究感到非常兴奋，因为它解决了心脏数字双胞胎模型临床数据有限的挑战。我们的主要开发使得大规模的计算机模拟试验和患者特定建模成为可能，旨在为房颤患者创造更个性化的治疗。”
考虑到房颤影响了140万英国人，而消融在一半病例中失败，这项技术可能显著减少重复手术。重要的是，这种人工智能方法解决了两个关键的医疗挑战：患者数据可用性有限和保护敏感医疗信息的伦理需求。
