新的人工智能模型无需活检即可检测心脏移植排斥反应

新的研究表明，通过分析心律记录和血液测试，人工智能可以准确地指示患者的身体何时攻击捐赠的心脏。

目前诊断心脏移植排斥反应的黄金标准是活组织检查，包括通过手术切除一小块心肌，专家在显微镜下检查是否有炎症和其他变化，这些变化可能表明身体的免疫系统正在排斥该器官。

纽约大学朗格健康中心研究人员领导的一项研究探索了另一种方法：心电图（ECG）（使用放置在皮肤上的传感器记录心脏的电活动）和血液测试的结合是否可以帮助识别排斥反应，而在许多情况下无需进行侵入性活检。

该团队训练人工智能模型来识别 2,357 名成年心脏移植受者的 5,300 个心电图读数中的模式。一个人工智能模型仅根据心电图数据进行训练，而另一种人工智能工具则查看心电图读数和通常用于预测排斥风险的两项血液测试的结果。活检记录与同一患者的心电图读数相结合，可作为工具预测准确性的衡量标准。

在另外 38 名男性和女性心脏移植受者的测试组中，研究人员发现组合模型表现更好，正确识别了 94% 没有经历排斥反应的患者。相比之下，该模型根据血液测试错误地将 19 名患者标记为可能需要活检。研究人员表示，这种组合模型使患者免于手术。

“我们的研究结果表明，心电图包含丰富的生理信息，可用于提高检测准确性，并为心脏移植排斥患者提供早期诊断和治疗，”纽约大学格迪辛大学心脏病学院心脏病学系副教授、医学博士、哲学博士 Lior Jankelson 说。纽约大学坦登工程学院生物医学工程副教授。

先前的研究表明，测量参与供体细胞排斥反应的基因活性的血液生物标志物以及受体血液中供体 DNA 片段可有效检测排斥反应。但研究人员表示，他们经常给出错误的测试结果，导致不必要的活检。

研究人员表示，该研究于 9 月 25 日在线发表在《心肺移植杂志》上，这是首次将这些血液生物标志物与心电图读数结合在一个人工智能模型中，并将分析结果直接与活检结果进行比较。

在这项研究中，研究人员使用了 2018 年至 2024 年间接受治疗的心脏移植受者的心电图数据和生物标志物的混合 AI 模型，将每个心电图与上个月内进行的活检进行匹配（这是先前研究支持的一个窗口）。器官排斥分为两类：轻度或中度排斥和中度或重度排斥。治疗改变，例如调整免疫抑制剂，通常只针对更严重的病例。

心脏移植是一种主要的挽救生命的手术，排斥反应很常见，但如果及时治疗是可以完成的。根据我们的研究结果，将心电图可用性与人工智能支持相结合可以帮助更早地发现排斥反应并挽救更多生命。”

Lior Jankelson 博士，医学博士、哲学博士、纽约大学格罗斯曼医学院 Leon H. Charney 心脏病学系副教授

下一步，研究人员计划在几个移植中心的更多患者身上测试他们的模型。

研究经费由纽约大学朗格尼分校提供。

参与这项研究的其他纽约大学朗格研究人员包括医学博士 Kevin Chen；罗伯特·罗南，硕士；拉里·A·奇尼茨（Larry A. Chinitz），医学博士；和兰德尔·I·戈德堡（Randal I. Goldberg），医学博士。