基于电子健康记录的房颤风险指导筛查

刚刚来源：医咖会

「“10”光列车，科研探索之旅」抽大奖！>>

2026 年 07 月 28 日，《Circulation》(IF=41.3)发表了一篇机器学习模型开发与前瞻性验证研究。该研究使用来自英国、日本、以色列、加拿大和中国的电子健康记录 (EHR) 数据，评估了 FIND-AF 2.0 模型指导心房颤动 (AF) 筛查的效果。研究发现，该模型在各队列中预测性能良好，高风险组新诊断 AF 比例显著高于低风险组，支持其用于指导高危人群筛查。

原文链接：https://pubmed.ncbi.nlm.nih.gov/42517218/

研究方法

我们开发并验证了一个用于预测 6 个月内新发心房颤动 (AF) 的随机森林预测模型，使用年龄、性别和 10 种合并症(心房颤动新型检测未来创新 [FIND-AF] 2.0)，数据来自英国 (n=2 081 139)、日本 (n=7 795 244)、以色列 (n=2 166 795)、加拿大 (n=627 919) 和中国 (n=149 145) 的电子健康记录 (EHRs)。我们开展了一项前瞻性研究，纳入≥30 岁无 AF 且男性 CHA2DS2-VASc 评分 (CHA2DS2-VASc) ≥2 分、女性≥3 分的参与者，按 FIND-AF 2.0 分为高风险和低风险层，使用手持式心电图 (ECG) 记录仪每天记录 4 次 ECG 持续 3 周，主要结局为新诊断的 AF。我们在包含 229 565 名 AF 患者的芬兰心房颤动抗凝研究 (FinACAF) 登记库中，估计了高 FIND-AF 2.0 风险患者中与非抗凝 AF 相关的卒中风险。

研究结果

心房颤动新型检测未来创新 2.0 适用于所有电子健康记录，并显示出良好至优异的预测性能(英国：受试者工作特征曲线下面积 [AUROC]，0.819 [95% 置信区间，0.809-0.829]；以色列：受试者工作特征曲线下面积 [AUROC]，0.835 [95% 置信区间，0.828-0.842]；日本：受试者工作特征曲线下面积 [AUROC]，0.751 [95% 置信区间，0.745-0.757]；加拿大：受试者工作特征曲线下面积 [AUROC]，0.747 [95% 置信区间，0.741-0.753]；中国：受试者工作特征曲线下面积 [AUROC]，0.753 [95% 置信区间，0.725-0.771])，在所有队列的男性和女性中受试者工作特征曲线下面积>0.7，并且与 CHA2DS2-VASc 评分和 C2HEST 相比性能有所改善。在前瞻性研究的 15 个中心的 1923 名参与者中(平均年龄，70.2 [标准差 9.4] 岁)，平均进行 74.8(标准差，19.4)次心电图记录，心房颤动诊断见于 902 名低风险心房颤动新型检测未来创新 2.0 参与者中的 5 名(0.6%)和 1021 名高风险心房颤动新型检测未来创新 2.0 参与者中的 46 名(4.5%)(比值比，8.46 [95% 置信区间，3.35-21.40]，P<0.001)。高风险心房颤动新型检测未来创新 2.0 检出病例的心房颤动负荷中位数为 33.4%(四分位距，5.1%-91.6%)，且 96.1% 开始使用口服抗凝药。在芬兰心房颤动抗凝研究登记库中，高风险心房颤动新型检测未来创新 2.0、心房颤动且无抗凝药患者的缺血性卒中发生率为每 100 患者年 6.0 次事件。

研究结论

基于电子健康记录的机器学习模型，心房颤动新型检测未来创新 2.0，识别出卒中风险升高患者中用于心房颤动诊断的高风险亚群，并能够实现可扩展的、电子健康记录驱动的、风险指导的心房颤动筛查。

参考文献：Nadarajah R, Wu J, Wahab A, Reynolds C, Haris M, Joseph T, et al. Risk-Guided Screening for Atrial Fibrillation Using Electronic Health Records.. Circulation. 2026 Jul 28. doi: 10.1161/CIRCULATIONAHA.126.079391