一项最新研究发现,使用计算机制作的心脏数字副本(即心脏数字孪生)能够成功识别出患有严重心律失常的病患心肌深处的问题区域。这项研究为治疗那些多由先前心脏病发作或遗传性心脏病引起的危及生命的疾病,奠定了新的诊疗方法学基础。
这项研究被发表在《循环》杂志上,表明心脏数字孪生能够以一种非侵入性的方法来识别导致异常心律的心肌瘢痕部分,帮助心脏病专家们能够更快、更有效地施以治疗。
伦敦圣乔治大学心脏病学教务主任、这项研究的主要作者Michael Waight博士表示,“多年以来,人们一直生活在心脏病发作后造成的病痛折磨之下,需要以手术方式治疗这些危及生命的异常心律问题的患者也在持续增加。如果数字孪生成为现实,将为我们提供一种更加安全、有效的治疗方法。”
瘢痕依赖性室性心动过速(VT)是一种危险且偶发性质的心律异常问题,一般由先前心脏病发作或者遗传疾病造成的心肌瘢痕组织所引起。这种疾病的治疗方法是植入除颤器,根据需要电击心脏以使其恢复正常心律;或者插入导演消融(烧灼)心脏内的瘢痕组织,使其不再引发异常心律。
Waight表示,这两种治疗方法都存在局限性。除颤器无法阻止异常心律的复发,反复电击会导致患者不适并降低其生活质量。而另一方面,找到并触及瘢痕区域并进行消融则往往难度极大,因为瘢痕可能出现在多个部位,包括隐藏在心脏深处且难以发现。
为了定位瘢痕位置,外科医生首先通过插入导管来检测问题区域内发出信号的电脉冲,借此绘制患者心脏内部的图像。他们还可以主动诱发异常心律,以更好地定位源头。之后,医生们会通过烧灼清理掉部分瘢痕组织,使其不再引发异常心律。但如果无法找到所有部位,患者不仅需要忍受术后带来的并发症,还将面临很高的复发率。
Waight解释称,“这是一个相当耗时的过程,而且期间也有诸多风险。这些患者往往病情很重、心脏功能不佳,因此治疗将是段漫长且艰难的体验。我们正在寻求改善这种情况的方法,希望能够缩短手术时间、提高准确性并更有针对性地找到问题所在。”
Waight和他的同事研究了心脏数字孪生是否可用于预测发生异常心律的潜在区域。利用增强的心脏成像及其他数据,他们建立起计算机模型,模拟了18名患有瘢痕依赖性室性心动过速并接受了导管消融术的患者的心脏结构与功能。他们还使用导管通过诱导异常心律来绘制每位参与者的心脏内部图像,借此确定问题区域。
Waight表示,研究人员测试了数字模型是否存在与参与者在现实生活中经历的类似心律问题。结合在患者心脏中实际出现的异常电信号,他表示数字孪生预测出现问题区域的异常频率要比未标记的区域高出41%,这表明数字心脏模型确实可用于识别潜在的治疗区域,且无需导管映射的复杂操作。
数字孪生还预测出患者心脏中约80%的电信号减缓部位,而这些部位确实排布在心肌瘢痕周围。
Waight解释称,“数字孪生能够以3D形式呈现心脏,并准确呈现病变管路的位置。也就是说,我们可以在患者亲临诊疗环境之前就了解目标区域。我们已经知道接下来该怎么办,而不必额外再花几个小时绘制心脏图像。”
此外,他还提到心脏数字孪生的应用有望减少异常心律复发的次数、降低后续治疗需求。
“数字孪生的本质在于,它不仅能够反映患者当前的室性心动过速问题,还可以预测未来可能发生的一切室性心动过速。”
但Waight也承认,目前研究人员尚未测试使用心脏数字孪生引导导管消融疗法的有效性。
“第一步是证明心脏中的特定部位与数字心脏未检测到的其他位置相比,确实更值得给予关注。下一步则是开展临床试验,包括将目前的室性心动过速消融护理标准与完全由数字孪生引导的诊疗策略进行效果比对。”
堪萨斯州欧弗兰帕克市堪萨斯城心律研究所执行医学主任Dhanunjaya Lakkireddy博士(并未参与此项研究)表示,研究结果表明,心脏数字孪生的出现不仅有助于缩短室性心动过速的治疗时间,还能让治疗更加安全且有效。
Lakkireddy解释称,“如果能够成功消除这些可能发生室性心动过速的区域,就可以缩短手术时间、精确触达重要区域,尽量减少不必要的消融操作。这有望改善整体发病率与死亡率、提高治疗成功率,并显著改善患者的治疗效果。”
Lakkireddy还提到,心脏数字孪生“提供了关于所需关注重要区域的指引”。“这是一大显著进步,切实推动了该领域的发展,使得治疗手术更加有效且精确。”
然而,他也提到此类手术需要高度复杂的技术支撑,而且高昂的成本也可能限制手术的服务范围。
Lakkireddy最后总结道,“但能否大规模应用这项技术还是个悬而未决的问题,毕竟目前的数字孪生创建过程仍然成本高昂。”
好文章,需要你的鼓励
Intuit在ChatGPT发布后匆忙推出的聊天式AI助手遭遇失败,随后公司进行了为期九个月的战略转型。通过观察客户实际工作流程,发现手动转录发票等重复性劳动,决定用AI智能体自动化这些任务而非强加新的聊天行为。公司建立了三大支柱框架:培养构建者文化、高速迭代替代官僚主义、构建GenOS平台引擎。最终推出的QuickBooks支付智能体让小企业平均提前5天收到款项,每月节省12小时工作时间。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
马斯克旗下xAI公司发布专为开发者设计的新AI模型grok-code-fast-1,主打快速且经济的推理能力。该模型属于Grok 4系列,具备自主处理任务的能力。xAI声称其在SWE-bench评测中解决了70.8%的实际软件问题,表现优于GPT-5和Claude 4。不过模型存在较高的不诚实率问题。用户可通过GitHub Copilot等平台免费试用7天,需要API密钥访问。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。