新算法能预测并帮助预防心脏骤停，为高危人群赢得宝贵时间。

尽管每年全球有数百万人因心脏骤停(SCD)而失去生命，但识别心脏问题的征兆却极为困难。近日，芬兰坦佩雷大学的研究人员开发出一种新算法，能够识别与即将发生心力衰竭相关的心律变化，为高危人群赢得宝贵的时间。

这种新算法使用了一种名为去趋势波动分析(DFA2 a1)的特定指标，可以检测心率变异性的变化。心脏病发作是由于血流受限，而心脏骤停则是心脏被短暂的电信号击溃。尽管它主要发生在老年人中，但这种心律中断往往没有任何先兆。

研究团队对2794名成年人进行了平均8.3年的随访分析，发现DFA2 a1是心脏骤停的“强大且独立的预测因子”。这种关联在身体处于静止状态时最为明显，而非进行体力活动时。

坦佩雷大学物理学家Teemu Pukkila表示：“研究中最有趣的发现是在静止状态下测量时的差异。高风险患者的心率间隔特征在静止时类似于健康人在体力活动时的心率。”

团队利用统计分析方法将DFA a1模式与心脏骤停事件联系起来，并考虑了其他重要变量的影响，包括年龄和现有心脏健康状况。令人鼓舞的是，该指标的读取仅需一分钟，且可以通过简单的传感器进行测量，甚至可以集成到智能手表中，无需前往诊所或进行复杂扫描来评估心脏骤停风险。

研究人员在发表的论文中写道：“可穿戴消费设备中的加速度计可以轻松区分体力活动和静止状态，并在适用时进行测量。”新预测算法比现有方法更为准确，后者通常涉及测量心肺健康状况，即将氧气输送到肌肉的能力以及肌肉在体力活动中使用氧气的程度。

下一步是用更大且更多样化的人群进行测试，并研究这些发现如何与其他类型的心脏病相关联。最终，这种预测算法可能会拯救大量生命，通过及时警告高危人群，预防这种突发且迅速致命的疾病。

坦佩雷大学的心脏病学家Jussi Hernesniemi表示：“对于许多此前无症状但遭受心脏骤停或在心脏骤停后被复苏的个体，如果能及时检测到风险因素的出现，这些事件是可以预测和预防的。”

本文译自 ScienceAlert，由 BALI 编辑发布。

PREV : 中国科学家用人类干细胞创造机器人大脑
NEXT : 飞机飞行的物理学