来自雪松-西奈的两项新研究在预测两种重要的心脏病方面有所作为;心脏骤停（通常是致命的）和冠状动脉钙增加，这是可导致心脏病发作的冠状动脉疾病的标志物。
这些研究由Cedars-Sinai的Smidt心脏研究所和医疗中心医学人工智能部（AIM）的研究人员领导。
参与心脏骤停研究的研究人员发表在同行评审的《心律》杂志上，确定了一组与心脏骤停特别相关的新型血液生物标志物。这些生物标志物有可能增强心脏骤停的临床预测-在NFL球员DamarHamlin本月早些时候在比赛中途经历心脏骤停后，这种危及生命的疾病成为头条新闻。
心脏骤停是指心跳突然丧失，在美国每年影响超过，人。尽管有组织的紧急医疗响应系统，但只有不到10%的心脏骤停患者能够存活。
心脏骤停的惨淡生存率说明了风险确定、早期预测和改善一级预防的必要性。
SumeetChugh，医学博士，该研究的资深作者，心律中心和AIM部门的教授兼主任。
Chugh也是Cedars-Sinai心脏骤停预防中心的主任，他的职业生涯致力于研究心脏骤停。他的研究发现了预测心脏骤停的新方法，目前正在评估这些方法，目的是将这些方法部署到临床护理中。
在这项研究中，与Cedars-Sinai的VanEyk实验室合作，研究人员分析了从心脏骤停幸存者那里获得的大量血液生物标志物，比较了一组没有冠状动脉疾病的人和一个患有该疾病的队列的结果。
“当病例与对照组进行比较时，我们总共确定了26种与心脏骤停相关的蛋白质生物标志物，其中20种与冠状动脉疾病不同的心脏骤停，”斯密特心脏研究所心脏骤停预防中心的研究科学家FayeNorby博士说。“虽然这些生物标志物有可能增强对心脏骤停的预测，但未来的研究需要在更大的患者群体中复制这些发现。
发表在《美国超声心动图学会杂志》上的冠状动脉钙研究首次表明，人工智能算法可以“读取”心脏的超声图像，以准确识别患者冠状动脉中是否有大量积聚。
传统上，冠状动脉钙积聚是通过CT扫描来诊断的，CT扫描并非在每个中心都可用，使患者暴露于辐射中，并且成本高昂。另一方面，心脏超声检查（也称为超声心动图）可以在诊所或医生办公室进行，不会产生辐射，而且往往便宜得多。
“我们发现，当用我们的人工智能软件解释超声心动图时，可以预测冠状动脉钙并预测心脏病发作风险，几乎与CT扫描一样，”资深作者DavidOuyang博士说，他是斯密特心脏研究所心脏病学系的心脏病专家，也是AIM部门的研究员。“即使在专家读者的肉眼看到心脏的超声图像看起来相当正常的情况下，这也被证明是正确的。
使用包含2，张超声心动图图像的数据集，研究人员训练了一种基于视频的人工智能工具来预测冠状动脉钙评分。分数范围从零-代表“完美”分数，没有冠状动脉钙积聚的迹象-到超过2，，个人预后不良，代表心脏病发作和冠状动脉疾病的高风险。
基于视频的深度学习模型成功地预测了健康状况良好且冠状动脉钙评分高的患者的得分为零，这可能预示着更糟糕的未来预后。
欧阳和团队希望这种有效的技术-包括每位患者的冠状动脉钙评分-可以在所有超声心动图实验室中使用。欧阳说，这种类型的资源“将允许更快，可能更频繁，通常更具成本效益的成像，提供临床有价值的预测信息。
源：
雪松-西奈
期刊参考文献：
诺比等人（）一组心脏骤停特有的血液生物标志物。心律。doi.org/10./j.hrthm..12.。
（）使用超声心动图深度学习预测冠状动脉钙。美国超声心动图学会杂志。doi.org/10./j.echo..12.。