近日，上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院兒心臟中心孫錕團(tuán)隊(duì)在《柳葉刀·數(shù)字健康》（《Lancet Digital Health》）雜志在線發(fā)表了最新研究成果。該研究提出了一種基于人工智能（AI）的模型，結(jié)合自然語(yǔ)言處理（NLP）和機(jī)器學(xué)習(xí)，旨在提高膜周部室間隔缺損（PMVSD）兒童患者自然閉合的預(yù)測(cè)能力，進(jìn)而為臨床治療決策提供新的支持。

室間隔缺損（VSD）是兒童先天性心臟病的首位病因，約占所有先心病的20%-30%，其中膜周部室間隔缺損（PMVSD）是最常見(jiàn)的亞型。PMVSD指心臟左右心室之間的間隔在膜周區(qū)域存在缺損，導(dǎo)致血液異常分流。約20%-30%的PMVSD患兒的心臟缺損會(huì)隨年齡增長(zhǎng)自行愈合，但仍有約70%-80%的患兒需要手術(shù)或介入治療干預(yù)。因此，對(duì)自然閉合的預(yù)測(cè)對(duì)于臨床治療至關(guān)重要。

現(xiàn)有的預(yù)測(cè)模型通常依賴于結(jié)構(gòu)化的超聲心動(dòng)圖參數(shù)或有限的數(shù)據(jù)集，存在較大的預(yù)測(cè)誤差。本研究通過(guò)人工智能技術(shù)，利用NLP從超聲心動(dòng)圖報(bào)告和病歷中提取結(jié)構(gòu)化數(shù)據(jù)，并結(jié)合機(jī)器學(xué)習(xí)方法，提出了一個(gè)新的預(yù)測(cè)模型。

研究團(tuán)隊(duì)使用了來(lái)自中國(guó)六個(gè)三級(jí)醫(yī)院的29,142名PMVSD患者的回顧性數(shù)據(jù)，通過(guò)NLP技術(shù)從原始報(bào)告中提取了關(guān)鍵預(yù)測(cè)因子。隨機(jī)生存森林算法（RSF）被用來(lái)構(gòu)建預(yù)測(cè)模型，評(píng)估了自然閉合的發(fā)生概率和時(shí)間。結(jié)果顯示，該模型在1年、3年和5年的預(yù)測(cè)中均表現(xiàn)出色。此外，模型還通過(guò)決策曲線分析、校準(zhǔn)和風(fēng)險(xiǎn)分層展示了高度的臨床實(shí)用性，并在不同中心和患者亞組中保持一致的準(zhǔn)確性。

本論文通訊作者、上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院院長(zhǎng)、小兒心血管學(xué)科帶頭人孫錕教授表示，這項(xiàng)研究為PMVSD患者的管理提供了一種新的預(yù)測(cè)工具，其AI驅(qū)動(dòng)的預(yù)測(cè)模型不僅可以準(zhǔn)確預(yù)測(cè)自然閉合的時(shí)間，還能幫助臨床醫(yī)生更好地決策治療方案，減少因延誤或不適當(dāng)治療帶來(lái)的風(fēng)險(xiǎn)，改善患者臨床結(jié)局。

同時(shí)，模型的自動(dòng)化工作流程使其具有較強(qiáng)的可擴(kuò)展性，并且能夠在多個(gè)醫(yī)院之間共享和整合數(shù)據(jù)，提升其在不同臨床環(huán)境中的應(yīng)用潛力。