一項新研究結合了 AI 和可穿戴裝置所提供的心律數據，幫助預測心律不整，並在發作前約 30 分鐘即可預測到。雖然智慧手錶早已能夠通過分析使用者數據檢測房顫（AFib）的跡象，但目前僅通過即時心電圖讀數和定期背景的心律檢查而實現。然而，盧森堡大學的研究人員發現，延長訓練 AFib 檢測模型的典型時間範圍可以帶來更實用的結果。
研究團隊創立的人工智能模型 WARN（房顫預警系統）在中國武漢同濟醫院 350 名患者的 24 小時記錄中進行了測試，平均在房顫開始前約 30 分鐘發現了早期跡象，準確率達到了 83%。第一作者 Dr. Marino Gavidia 表示：「我們模型的另一個有趣之處在於，僅使用 R 到 R 間隔（即心率數據）就能取得高效能，這些數據可以從易於佩戴且價格合理的心率感測器（如智慧手錶）中取得。」儘管該研究已經展示了擴大數據以改進深度學習的積極相關性，但要知道這些研究結果何時將被整合到消費者裝置中仍然是困難的。但至少，這是向改善早期 AFib 預測邁出的一個積極步驟，並且應該為研究人員在不久的將來將模型精煉用於可穿戴裝置上。

原文：Study uses heart data and AI to predict AFib onset 30 minutes before it happens