编者按：化疗药物虽然提高了癌症患者的生存率，但同时也不可避免地带来了心律失常、心力衰竭等一系列心血管毒性反应，ESC 2022大会上美国布莱根妇女医院Ryuichiro Yagi分享了其团队开展的一项人工智能（AI）在这部分患者中的应用研究，本刊特邀其进行了介绍。
《国际循环》：化疗所致心脏毒性的影响因素有哪些？
Ryuichiro Yagi：目前，已知有几个影响因素与化疗引起的心脏毒性（CIC）的发生有关，例如年龄、性别、癌症类型和治疗方案。长期以来，在开始化疗之前准确预测心脏毒性的发生一直是一大挑战，研究的目标是使用机器学习方法来解决这一问题。
《国际循环》：此次ESC会议上您开展的一项相关研究的主要结果有哪些？
Ryuichiro Yagi：Mayo团队之前曾发表过关于使用ECG数据检测单个记录中低左心室射血分数（LVEF）的AI模型，这项研究使用主要临床数据集生成模型，并将该模型应用于检测化疗引起的心脏毒性的高危患者。研究发现，该模型仅使用开始化疗前采集的基线心电图准确预测了心脏毒性的发生，相信，这对于该研究领域来说是一非常令人印象深刻的结果。
《国际循环》：这款人工智能模型在临床中的应用效果如何，后续如何完善？
Ryuichiro Yagi：目前，指南建议在心脏毒性化疗之前、期间和之后使用超声心动图重复评估心脏功能。然而，这在许多医院并不常规进行，并意味着心脏毒性患者的诊断不足。这项研究展示了ECG作为筛查工具的潜力，可以利用AI的力量检测高危患者化疗引起的心脏毒性。关于心脏毒性的预测，这可能会改变游戏规则。
我们在两个机构进行了这项研究，因此还应使用来自外部医院的数据来验证这项研究，以显示模型预测的稳健性，并展示模型预测的临床效用，这是接下来应该要做的工作。
《国际循环》：此次会议您最感兴趣的研究是什么？
Ryuichiro Yagi：我对EchoNet研究很感兴趣，其中AI分析了超声心动图以显示临床实用性，这是一个非常有趣的结果，AI临床应用的现实越来越近了。
此外，还有其他中心在做机器学习研究，但我很惊讶在这次会议上看到这么多与这个主题相关的演讲。到目前为止，在临床环境中应用AI还有很多障碍，但我认为未来AI的应用以及临床医生为患者的利益而使用的前景一片光明。
声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。