能否更好地预测房颤患者的中风风险？

房颤影响全球超过5800万人，并显著增加中风风险。然而，目前用于评估这种风险的工具，如经典评分系统，仍然不够精确，且未能考虑患者不同健康因素之间的复杂相互作用。

一个研究团队开发了新的人工智能模型，能够预测新近被诊断为房颤的患者在一年内发生中风的风险。这些模型仅使用易于获取的信息：患者的年龄、病史和正在服用的药物。与传统方法不同，这些工具分析这些因素之间的微妙关系，提供更个性化、更可靠的风险评估。

研究结果令人信服。两个经过测试的模型，一个基于经典统计方法，另一个基于先进的机器学习技术，都展示出了比现有方法更高的精确度，能够更好地区分高风险患者。它们的性能在不同患者群体中得到了验证，确认了其在不同临床环境中的可靠性。此外，这些模型可以根据个体需求调整风险阈值，这对于老年患者或患有多种健康问题的患者尤为有用。

另一个主要优势是它们使用简便。这些模型不需要血液检查或医学影像，而这些检查在诊断时往往不可用。这使得它们在医院的日常实践中更易于应用。研究人员还验证了这些工具对男性和女性患者同样有效，从而避免了性别偏见。

从长远来看，这些模型还有助于识别最能从抗凝治疗中获益的患者。数据显示，被这些工具识别为高风险的患者，如果服用抗凝药物，其中风风险会显著降低，而通过传统方法识别的患者则没有这种效果。

这一进展为更个性化的医疗铺平了道路。医生不久后可能会依赖这些预测来根据每位患者的独特情况调整治疗方案，从而减少可避免的中风发生，并改善房颤的管理。

Sources et crédits

Étude source

DOI : https://doi.org/10.1038/s41746-026-02470-3

Titre : Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation

Revue : npj Digital Medicine

Éditeur : Springer Science and Business Media LLC

Auteurs : Jesse Chih-Wei Lin; Chen-Min Chang; Heng-Yu Pan; Yi-Lwun Ho; Yu-Kang Tu; Chao-Lun Lai