利用人工智能通过心电图数据计算心脏的生物年龄，预测死亡和心血管事件的风险增加

虽然每个人的心脏都有一个确切的实足年龄，但它也有一个与心脏功能有关的“生物”年龄。研究人员利用近50万标准12导联心电图（ECG）的数据创建了一种预测心脏生物年龄的算法。该研究的模型表明，心脏生物年龄超过实足年龄7岁，全因死亡率风险增加62%，主要心血管不良反应（MACE）风险增加一倍。技术可用于识别具有较高生物心脏年龄的个体，并针对他们进行强化干预

　　

虽然每个人的心脏都有一个绝对的年龄（和那个人的年龄一样大），但心脏也有一个理论的“生物”年龄，这是基于心脏的功能。因此，一个50岁但心脏健康状况不佳的人的生物心脏年龄可能是60岁，而一个50岁、心脏健康状况最佳的人的生物心脏年龄可能是40岁。

今天，在欧洲心脏病学会（ESC）的科学大会EHRA 2025上，研究人员展示了一项新研究，该研究表明，通过使用人工智能（AI）分析来自近50万病例的标准12导联心电图（ECG）2数据，他们能够创建一种预测心脏生物年龄的算法。该算法可用于识别心血管事件和死亡率最高的人群。

“我们的研究表明，当心脏的生物年龄超过其实际年龄7岁时，全因死亡率和主要不良心血管事件的风险急剧增加，”韩国仁荷大学医院的副教授Yong-Soo Baek解释说。“相反，如果该算法估计的生物心脏年龄比实际年龄小7岁，就会降低死亡和主要不良心血管事件的风险。”

将人工智能（AI）集成到临床诊断中，为提高心脏病学预测的准确性提供了新的机会。白教授表示：“以这种方式利用人工智能开发算法，将为心血管风险评估带来潜在的范式转变。”

他们的研究评估了基于深度学习的算法的预后能力，该算法从12导联心电图中计算生物ECG心脏年龄（AI ECG-heart age），并将其预测能力与传统的实足年龄（CA）对死亡率和心血管结果的预测能力进行了比较。

在15年来收集的425,051张12导联心电图的大量数据集上开发和训练了一个深度神经网络，随后在97,058张心电图的独立队列上进行了验证和测试。通过射血分数（EF）对年龄和性别匹配的患者进行比较分析。

在统计模型中，AI心电图心脏年龄超过心脏慢性年龄7岁与全因死亡风险增加62%和MACE风险增加92%相关。相比之下，人工智能心电图心脏年龄比实际年龄小7岁的患者，全因死亡率风险降低14%，MACE风险降低27%。

此外，射血分数降低的受试者持续表现出AI ECG心脏年龄增加，QRS持续时间延长（心脏电信号通过心室引起收缩所需的时间）和QT间期纠正（心脏电系统完成一个收缩和舒张周期所需的总时间）。

作者解释说，观察到的射血分数降低与AI ECG心脏年龄增加之间的相关性，以及QRS持续时间延长和QT间期纠正，表明AI ECG心脏年龄有效反映了各种心脏去极化和复极化过程。心脏内电重构的这些指标可能表明潜在的心脏健康状况及其与射血分数（EF）的关系。然而，副教授Baek解释说：“在未来的研究中获得统计上足够的样本量以进一步证实这些发现是至关重要的。这种方法将增强人工智能心电图在心功能和健康临床评估中的稳健性和适用性。”

他总结道：“人工智能从12导联心电图中估计的生物心脏年龄与死亡率和心血管事件的增加密切相关，强调了它在加强心血管保健早期检测和预防策略方面的作用。这项研究证实了人工智能在完善临床评估和改善患者预后方面的变革潜力。”