人工智能生成的“合成疤痕心脏”有助于治疗心房颤动

　　

伦敦玛丽女王大学的研究人员开发了一种人工智能工具，可以创建合成但医学上准确的纤维化心脏组织（心脏瘢痕）模型，帮助心房颤动（AF）患者制定治疗计划。这项研究发表在《心血管医学前沿》杂志上，可能会为这种常见的心律失常患者带来更个性化的护理。

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造成的。这些坚硬的纤维组织斑块破坏了心脏的电系统，可能导致房颤的不规则心跳特征。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显著影响治疗结果。

房颤的治疗通常采用消融术——医生在手术过程中制造小的、可控的疤痕来阻断不稳定的电信号。然而，成功率差异很大，预测哪种方法对个别患者最有效仍然具有挑战性。虽然人工智能在预测结果方面显示出了希望，但由于无法获得高质量的患者成像数据，它的发展受到了阻碍。

第一作者、伦敦玛丽女王大学的Alexander Zolotarev博士解释说：“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具有挑战性的。”“我们只训练了100个AF患者的真实大磁共振成像扫描的人工智能模型。然后，该系统生成了100种额外的合成纤维化模式，准确地模拟了真正的心脏疤痕。这些虚拟模型用于模拟不同消融策略在不同患者解剖结构中的表现。”

该团队先进的扩散模型产生了与真实患者数据匹配的合成纤维化分布，具有极高的准确性。当这些人工智能创建的模式应用于3D心脏模型并针对各种消融方法进行测试时，结果证明预测结果几乎与使用真实患者数据的预测结果一样可靠。至关重要的是，这种方法保护了患者的隐私，同时使研究人员能够研究比传统方法更广泛的心脏情况。

这项研究强调了人工智能作为临床支持工具而不是决策者的新兴角色。“这不是要取代医生的判断，”Zolotarev博士强调。“这是为了给临床医生提供一个复杂的模拟器，让他们在进行实际手术之前，在每个病人独特的心脏结构的数字模型上测试不同的治疗方法。”

这项工作是Caroline Roney博士的UKRI未来领袖奖学金项目的一部分，该项目旨在为房颤患者开发个性化的“数字双胞胎”心脏模型。

伦敦玛丽女王大学的卡罗琳·罗尼博士是这项研究的主要作者，她说：“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临床数据有限的挑战。”我们的关键开发实现了大规模的计算机试验和针对患者的建模，旨在为房颤患者创造更个性化的治疗方法。”

在英国，有140万人受到心房颤动的影响，其中一半的消融失败，这项技术可以显著减少重复手术。重要的是，人工智能方法解决了两个关键的医疗保健挑战：有限的患者数据可用性和保护敏感医疗信息的道德需求。

Frontiers：Synthetic fibrosis distributions for data augmentation in predicting atrial fibrillation ablation outcomes: an in silico study