摘要：研究人员开发了一种AI工具，该工具创建了纤维化心脏组织（心脏疤痕）的合成但准确的模型，这是对房颤（AF）患者的帮助治疗计划。这项研究可能会为受这种常见心律障碍影响的患者提供更多个性化的护理。...

一项新的研究表明，人工智能如何在不依赖实际患者数据的情况下预测心脏程序的成功。

伦敦皇后大学的研究人员开发了一种AI工具，该工具创建了纤维化心脏组织（心脏疤痕）的合成但准确的模型，可帮助心房颤动（AF）患者的治疗计划。这项研究在心血管医学领域发表，可能会为受这种常见心律障碍影响的患者提供更多个性化的护理。

纤维化是指在心脏中发育的疤痕组织，通常是由于衰老，长期压力或AF条件本身而导致的。这些僵硬，纤维组织的斑块破坏了心脏的电系统，可能导致AF的不规则心跳特征。目前通过专门的MRI扫描（LGE-MRI）进行评估，这种疤痕的模式和分布会显着影响治疗结果。

心房颤动经常通过消融治疗 - 这种过程在这种过程中会产生小的，受控的疤痕以阻止不稳定的电信号。但是，成功率差异很大，并且预测哪种方法最适合个别患者仍然具有挑战性。尽管AI在预测结果方面表现出了希望，但由于获得高质量的患者成像数据的访问有限，其发展受到了阻碍。

第一作者解释说：“ LGE-MRI提供了有关心脏纤维化的重要信息，但是获得足够的扫描以进行全面的AI培训是具有挑战性的。” “我们对AF患者的100次真正的LGE-MRI扫描进行了AI模型。然后，该系统产生了100个其他合成纤维化模式，这些模式可以准确地模仿真实的心脏伤痕累累。这些虚拟模型用于模拟不同的消融策略如何在各种患者的解剖学上进行不同的消融策略。”

该团队的高级扩散模型产生了合成纤维化分布，该分布将实际患者数据匹配具有出色的精度。当将这些AI创建的模式应用于3D心脏模型并针对各种消融方法进行测试时，所产生的预测几乎与使用真正的患者数据的预测一样可靠。至关重要的是，这种方法可以保护患者隐私，同时使研究人员能够研究比常规方法允许的更广泛的心脏场景。

该研究强调了AI作为临床支持工具的新兴角色，而不是决策者。 Zolotarev博士强调：“这不是要取代医生的判断。” “这是关于为临床医生提供复杂的模拟器 - 允许他们在执行实际过程之前在每个患者独特心脏结构的数字模型上测试不同的治疗方法。”

这项工作构成了卡罗琳·罗尼（Caroline Roney）博士的乌克里未来领导者奖学金项目的一部分，该项目旨在为AF患者开发个性化的“数字双胞胎”心脏模型。

该研究的主要作者伦敦皇后大学的卡罗琳·罗尼（Caroline Roney）博士说：“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的有限临床数据的挑战。我们的关键开发使得在硅基试验和特定于患者的模型中可以进行大规模的发展，旨在为心房纤维化患者创造更多个性化的治疗方法。”

由于房颤影响英国140万人，而消融失败了，因此该技术可能会大大减少重复程序。重要的是，AI方法解决了两个关键的医疗挑战：有限的患者数据可用性和保护敏感医疗信息的道德需求。