心房颤动（房颤）是最常见的心律失落常，它大大增加了急诊就诊率以及中风和痴呆等其他疾病的风险。
心房颤动是指心脏上腔（心房）与下腔（心室）不同步地混乱跳动，从而产生不规则、常日非常快的心律。

要让房颤患者规复正常的窦性心律，可能须要采纳强化干预方法，如心脏复苏术，通过低能量电击来\公众重置\"大众心脏的传导系统。
(是的，这便是医疗节目中利用的设备，伴随着一声\"大众CLEAR！
\公众）。
因此，如果能在房颤产生发火前检测到它，就能进行早期干预，从而改进患者的预后。

卢森堡大学卢森堡系统生物医学中央（LCSB）的研究职员揭橥了一项研究，他们演习了一个深度学习模型，可以提前30分钟准确预测一个人何时会涌现房颤。

目前，心电图（ECG）只能在房颤发生前检测到房颤，因此不能被视为一种预警系统。

\"大众比较之下，我们的事情偏离了这种方法，而是采取了一种更具前瞻性的预测模型，\公众LCSB系统掌握小组卖力人、该研究的通讯作者豪尔赫-贡卡尔维斯（Jorge Goncalves）说。
\"大众我们利用心率数据演习了一个深度学习模型，该模型可以识别不同的阶段--窦性心律、房颤前期和房颤--并打算出患者即将产生发火的'危险概率'。
\"大众

该模型名为 WARN（Warning of Atrial fibRillatioN），是在中国同济医院网络的 350 名患者的 24 小时心电图记录上进行演习和测试的。
这些数据被心脏病专家分为窦性心律、房颤前期和房颤。
为了演习模型捕捉房颤前兆，研究职员利用了心电图上 R 波间隔（RRI）的变革作为紧张数据源。

利用标准心电图的 R-R 间期 (RRI) 演习深度学习模型 卢森堡大学/LCSB

深度学习模型每 15 秒采集 30 秒 RRI 样本，打算即将发生房颤的概率。
在测试数据（70 名患者）和两个外部验证集（33 名患者）上，WARN 均匀提前 31 分钟和 33 分钟预测房颤发生，准确率分别为 83% 和 73%。

研究的第一作者马里诺-加维迪亚（Marino Gavidia）说：\"大众我们的模型只利用R-to-R韶光间隔，基本上只利用心率数据，就能实现很高的性能。
\"大众

研究职员估量，该设备将用于智好手机，处理从智好手表得到的数据。
长期目标是让患者能够持续监测自己的心律，并及早发出警告，让他们能够利用口服抗心律失落常药物等治疗方法来预防房颤的发生。
研究职员说，这种技能还可以实现个性化。

\公众今后，我们将重点开拓个性化模型，\"大众Goncalves 说。
\"大众每天利用一个大略的智好手表，就能不断供应有关个人心脏动态的新信息，使我们能够不断完善和重新演习针对该患者的模型，以实现更高的性能和更早的预警。
终极，这种方法乃至可以带来新的临床试验和创新的治疗干预。
\公众

这项研究揭橥在《模式》杂志上。