人工智能应用在医学领域已不是什么新奇之事。
在过去，我们对AI+医疗的认知主要是其可以通过分析患者的健康数据来改良传统医疗模式，进而提高医疗服务的效率和质量。例如，AI能够通过分析医学影像帮助医生迅速而精准地诊断病情，或者实时监测心跳、血压、血糖等重要指标，从而及时提醒患者潜在的健康问题。
而随着基于大量医学影像和检测数据的学习积累后，AI已经能够理解人类生理指标与各种疾病之间的内在联系。这启发了一些医学研究者提出设想：鉴于AI已具备疾病监测能力，并且这些疾病往往与人类的死亡率密切相关，那么我们何不将AI应用于预测人类的预期寿命呢？
现在，英国伦敦帝国理工学院和帝国理工学院医疗保健NHS信托基金的研究人员就开发了一种 AI 模型，旨在帮助使用心电图（ECG）预测人类患病风险，并进而猜测“提前死亡的风险”。
图源：网络
基于心电图预测10年内死亡风险，准确率高达78%
日前，伦敦帝国理工学院和帝国理工学院医疗保健 NHS 信托基金的研究人员发表了一篇名为“用于死亡率和心血管风险评估的人工智能心电图”的研究论文，使用来自国际医学研究的大量数据集（包括作为常规护理项目之一的数百万个心电图）来训练AI模型，实现对患者患病、病情恶化、死亡结果的准确预测。
自2019年以来，已有研究表明AI模型可以从心电图中准确诊断常见的疾病，并且可以预测未来的健康风险。然而，大多数模型仅能在固定的时间点提供生存概率，缺乏对长期时间到死亡率的预测，也没有提供具体的可操作路径。
而此次研究提出的名为“AI-ECG风险评估”或“AIRE”的AI模型经过训练，可以“读取”并分析心电图中描述的心脏不同腔室内部和之间的电信号流动信息。模型可以通过这些信息预测患者未来的健康风险，例如心律问题、心脏病发作和心力衰竭，从而正确识别78%的病例在心电图监测后10年内的死亡风险和死亡时间。
图源：网络
具体来看，基于深度学习和离散时间生存模型的AIRE模型使用了残差块基础的卷积神经网络架构，并修改了最后一层以适应离散时间生存方法，能够从单个ECG中创建患者特定的生存曲线，并预测死亡时间和全因死亡率。
研究人员使用了包括贝斯以色列女执事医疗中心（BIDMC）、巴西圣保罗-米纳斯吉拉斯热带医学研究中心（SaMi-Trop）、巴西初级保健数据库（CODE）、巴西成人健康纵向研究（ELSA-Brasil）和英国生物银行（UKB）五个多样化的跨国队列作为数据集。
其中作为推导数据集的BIDMC包含1163401个ECG记录和189539名患者数据。在BIDMC队列中，50%的数据用于训练，10%用于验证，40%用于内部测试。数据按患者识别号分割，并按是否存在配对的5年生存状态分层。
实验结果显示，AIRE在BIDMC队列中的C指数（一致性指数，衡量模型预测结果与实际观察结果相一致的概率）为0.775（95% CI 0.773-0.776），在外部验证数据集中的C指数为0.638-0.773。说明AIRE能够准确预测全因死亡率、未来室性心律失常、未来动脉粥样硬化性心血管疾病和未来心力衰竭的风险。同时与人口统计数据和传统风险因素相比，AIRE在预测死亡率方面表现更优。
图源：AIRE
此外，这一研究也具有可解释性和生物学合理性。通过变分自编码器和中位数心电图波形分析，AIRE识别出与高风险预测相关的ECG形态特征。基因全基因组关联研究（GWAS）发现与高风险AIRE预测相关的基因位点，这些基因与心脏结构和功能、生物老化和新陈代谢综合征相关。
图源：AIRE
总的来看，AIRE不仅能够预测全因死亡率和未来心血管疾病的风险，还能提供具体的可操作路径，如果未来能在全球范围内广泛应用于初级和次级保健临床环境中，将有望帮助医生进行短期和长期的风险评估。
主导这项研究的心脏病学博士Arunashis Sau称，除了心脏疾病外，糖尿病等影响肾脏或肝脏等器官的疾病也会以某种方式影响心脏，因此利用心电图，我们可以从人类身体捕获大量信息。将这些信息告知AI模型后，AI不仅会反馈回关于心脏的状况，还可以同时告诉我们身体其他部位正在发生的事情，并检测人体是否在加速衰老。
而对比人类医生，研究人员认为AIRE在对心电图的理解上比心脏病专家更强大，将帮助医生更早地发现疾病并优先对最紧急的病例进行治疗。心脏病专家在查看心电图时一般基于过去的经验或是医学标准指南，将心电图结果分为和模式，并据此诊断疾病。而相比人类，AI模型可以检测到更细微的细节，它可以在疾病发展之前就前瞻性地发现心电图中某些人类看来完全正常的问题。
当然，目前的AIRE相比类人医生也存在一些不足，例如，由于模型的预测仅仅是基于心电图，因此预测的结果很可能受到诸如患者后续治疗等其他不可知因素的影响。AIRE目前更多只能充当辅助工具，还无法取代人类医生。
AI寿命预测研究的下一步
与AIRE类似的是，AI在医学领域预测人类寿命方面的研究还有不少，不过由于技术开发的时间还太短，这些研究几乎都还处在实验室阶段，卡在了商业转化的环节上。
2023年12月6日，斯坦福大学的 Tony Wyss-Coray 团队在 Nature 期刊发表了题为“血浆蛋白质组中的器官老化特征的健康和疾病跟踪”的论文，该研究开发出一种基于血浆蛋白质组的衡量人体器官衰老的人工智能算法“LASSO”，可以更好地预测衰老相关的疾病和死亡风险。
与AIRE不同，LASSO是通过人在生命周期中11个主要器官的人类血浆蛋白水平来判断人类的衰老水平，研究团队发现虽然每个人体内的不同器官之间都有适度的衰老同步，但的各个器官在衰老过程中基本上是各自独立的，并以此提出“年龄差距”的概念，代表器官的实际年龄与基于LASSO预测的生物年龄之间的差异。
研究发现，18.4%的人至少有一个器官的衰老速度明显快于平均水平，这些人在未来15年内患上特定器官疾病的风险更高，死亡风险增加15%-50%；有1.7%的人表现出多器官的加速衰老，他们的死亡率是没有任何明显衰老器官的人的6.5倍。
图源：LASSO
而几乎在同一时间，一项来自丹麦的“使用生活事件序列来预测人类寿命”的研究同样利用了AI技术，通过借助life2vec模型分析600万丹麦人的数据，预测丹麦人的早逝可能性等生命结果，模型预测准确率达到78%。
虽然这两项研究都取得了不错的数据与成果，但也因为还处在技术研究开发的早期，到目前为止还未正式投入临床使用。
现在，LASSO研究团队已经创立了一家名为Teal Omics的生物技术公司，以探索LASSO研究的商业转化。公司计划通过借助先进的蛋白质组学、基因组学和人工智能，开发新方法来测量、监测和治疗年龄相关疾病，加速新型生物标志物和治疗方法的开发，以实现对年龄相关疾病的预防和精准治疗，重塑医疗保健。
图源：Teal Omics
丹麦研究团队则在围绕 life2vec 模型存在的敏感数据、隐私和数据偏差等问题进行调整。研究下一还将纳入其他类型的信息，如文本和图像或社会关系信息，为研究增加新的维度。
而作为同样有望改变医疗行业的研究，AIRE的下一步是从实验室研究逐渐过渡到真实的临床医疗，测试AIRE是否真的可以改善临床研究中的患者预后。
目前，AIRE的试验已经在帝国理工学院下属两家医院进行，临床试验将侧重于评估在真实患者中实施该模型的成果，并将在2025年年中开始从门诊和住院内科病房招募志愿者。
在英国心脏基金会首席科学和医学官Bryan Williams教授看来，通过帮助评估未来心脏和健康问题的风险以及死亡风险，这可能会使心电图的使用超出以前的可能性。结合可穿戴技术，AI还能为医生提供持续的远程监控和潜在的警报系统。
“这项大型、令人兴奋的研究让我们得以一窥如何利用人工智能来改善心脏病的诊断。一个多世纪以来，心电图一直被用于评估心脏，而人工智能将从常规心电图中获得解开人类寿命密码的非凡力量。”
现在，“AI死亡计算器”已成现实，不过，我们相信这项技术的出现并不在于想让人们恐惧死亡，而在于通过分析身体数据帮助我们了解身体、爱护身体，珍惜计算器下人类剩余寿命的每一天。
