心房颤动是全球最常见的心律失常，2019 年约有 5900 万人受到关注。这种不规则的心跳与心力衰竭、痴呆和中风的风险增加有关。它对医疗保健系统构成了重大负担，使其早期发现和治疗成为主要目标。
卢森堡大学卢森堡系统生物医学中心(LCSB)的研究人员最近开发了一种深度学习模型，能够预测从正常心律到心房颤动的转变。它平均在发病前 30 分钟发出预警，准确率约为 80%。这些结果发表在科学杂志《Patterns》上，为整合到可穿戴技术中铺平了道路，从而实现早期干预和更好的患者治疗结果。
在心房颤动期间，心脏的上心室跳动不规则并且与心室不同步。恢复正常心律可能需要密集干预，从电击心脏恢复正常窦性心律到去除导致错误信号的特定区域。
能够及早预测心房颤动的发作将使患者能够采取预防措施以保持心律稳定。然而，目前基于心率和心电图(ECG)数据分析的方法只能在心房颤动发作前检测到，并且不能提供早期预警。
“相比之下，我们的工作从这种方法出发，转向更具前瞻性的预测模型，”LCSB 系统控制小组负责人 Jorge Goncalves 教授解释道。