AIRE的先进人工智能使用来自不同患者群体的数据开发，可以精确预测心脏病的风险和死亡率，为临床医生提供更有针对性的长期患者护理工具。
在最近发表在《柳叶刀》杂志上的一项研究中，研究人员开发并验证了一种新的人工智能（AI）增强心电图（ECG）模型，该模型能够利用患者的病史和成像结果来准确预测死亡率和心血管疾病（CVD）风险。
虽然这不是第一次尝试将人工智能用于疾病和死亡率预测，但这一实现克服了以前模型在时间性、生物学合理性和可解释性方面的限制，使其能够生成能够支持临床实践中可操作见解的预测。
研究结果显示，新模型（名为“AIRE”）可以准确预测全因死亡率、室性心律失常、动脉粥样硬化性心血管疾病和心力衰竭风险。
在计算短期和长期风险评估方面，它超越了传统的人工智能模型，为临床医生提供了短期、单时间点诊断预测的见解，并为患者的剩余药理学支持提供了长期、渐进的干预措施。
心电图（ECGs）是对心血管电活动的无创、图形化评价。这项技术包括将外部电极策略性地放置在患者的胸部、手臂和腿部的特定位置，为临床医生提供心脏电信号和节奏的视觉表现。
心电图在心血管评估中是常规的，并且在方法上几乎保持了100多年的不变。
计算机处理能力的最新进展和下一代预测机器学习（ML）模型的出现引发了研究界的兴奋。
自2020年以来，一些研究试图利用心电图数据训练的人工智能（AI）模型来预测患者的心血管疾病和死亡风险，突出模型的性能——在几乎每一次人工智能在疾病/死亡风险预测中的实施中，人工智能模型都实现了与人类专家预测相当或超过人类专家预测的诊断和预测性能。
因此，人工智能模型有可能减轻临床医生的患者负担（按地理位置决定的个体数量/医生数量），特别是在农村和欠发达地区，同时加快诊断速度并减轻患者本身的经济负担。
不幸的是，尽管基于临床试验的安全性和性能验证，人工智能增强的ECG模型很少用于实际的ECG应用。
从研究的角度来看，以前的人工智能实现虽然准确，但对模型性能（计算“黑匣子”）和生物学合理性的解释不足，导致临床医生不愿相信模型预测。
在本研究中，研究人员开发、训练和验证了八种新的AI- ecg风险估计（AIRE）模型（统称为“AIRE平台”），旨在预测死亡风险（全因和心血管），而不受以前AI实施的限制。
研究数据来自五个地理上不同的来源，接受最小重叠的临床护理。这些包括贝斯以色列女执事医疗中心（BIDMC）队列（二级患者护理数据集），
圣保罗-米纳斯吉拉斯热带医学研究中心（SaMi-Trop）队列（慢性查加斯心心病数据集），成人健康纵向研究（ELSA-Brasil）队列（公务员）和英国（UK）生物银行（UKB）队列（志愿者）。数字心电图临床结果（CODE）队列还用于微调模型性能。
AIRE的独特方法使用患者特异性生存曲线，使其能够预测“死亡时间”，而不仅仅是提供设定的时间点风险。
人工智能模型开发使用BIDMC队列进行模型推导。数据集随机分为训练（50%）、验证（10%）和内部测试（40%）。
残差基于块的卷积神经网络架构允许研究人员结合离散时间生存方法，创建考虑参与者死亡率和审查（随访无能）的患者特异性生存曲线。
CODE队列数据相关的模型改进包括使用75%的数据集进行模型参数微调，5%用于广义（外部）验证，20%用于内部初级保健验证。
此外，使用类似的方法导出了其他5个关注CV死亡（AIRE-CV死亡）、非CV死亡（AIRE-NCV死亡）、动脉粥样硬化性心血管疾病（AIRE-ASCVD）、室性心律失常（AIRE-VA）和心力衰竭（AIRE-HF）的模型。
统计分析用于测量模型的性能，特别是与人类专家的感知和斯坦福心电图风险估计（SEER）进行比较。采用Cox模型（经人口统计学、临床资料和影像学参数调整）和Kaplan-Meier曲线计算差异模型的准确性。利用全表型关联研究（PheWAS）和全基因组关联研究（GWAS）来确定相关的心脏和代谢标志物，解释了生物学上的合理性。
AIRE的专业模型可以区分不同的心血管结果，如动脉粥样硬化性心血管疾病、心力衰竭和室性心律失常，为有针对性的干预提供细致入微的预测。
Hold-out检验结果显示，AIRE能够预测全因死亡率，一致性值=0.775。值得注意的是，该平台在整体（AIRE Cox C-index=0.794）和心血管死亡预测（C-index=0.844）方面优于传统的风险因素预测指标（累积C-index=0.759），突出了模型的准确性。
值得注意的是，AIRE能够准确预测没有心血管疾病个人或家族史的参与者的心力衰竭事件，这在这些人群的常规诊断通常是延迟的情况下尤为重要。
令人鼓舞的是，即使提供单导联心电图数据(来自消费设备；临床心电图设备使用在8-12导联之间)，突出了该平台在居家心血管疾病风险监测中的应用。
PheWAS和GWAS分析显示，该模型具有足够的生物学合理性，解释了替代肺压测量和心室直径与预测生存呈负相关，而左心室射血分数（LVEF）显示直接相关。
本研究开发并验证了目前临床上最实用的人工智能增强心电图评估平台——AIRE平台。
研究结果显示，该平台在预测准确性方面优于传统的基于人类的预测和类似的老一代人工智能模型，而后者不需要人口统计或病史数据。
值得注意的是，即使提供来自消费者设备的单导联数据，该模型仍保持稳健，这突出了AIRE在远程患者监测方面的潜力，特别是在没有心血管疾病病史或偏远地区没有足够临床支持的患者中。
