黃軒引述刊登於國際頂尖期刊《Nature》的最新研究表示，過去醫界主要依靠左心室射出分率（LVEF）等指標評估心因性猝死風險，但只能辨識出部分高危險患者，許多最終猝死的人，事前從未被列入高風險名單。
研究團隊則利用深度學習分析數百萬筆十二導程心電圖資料，AI並非依照醫師熟悉的QT間期、QRS波群、ST段或T波等傳統判讀方式，而是自行從大量數據中找出人眼無法察覺的複合電生理特徵，包括極細微的QRS形態變化、T波復極差異、不同導程間的空間關係，以及心肌去極化與復極化的整體時序，進而建立預測模型。
研究結果顯示，AI辨識出的高風險族群約占受測者2.2%，一年內發生心因性猝死的機率約7%，高於現行依左心室射出分率辨識出的4.6%。更重要的是，AI成功找出許多依照現有臨床標準原本不會被列為高風險的患者，有機會補足目前猝死預防最大的缺口。
黃軒指出，若未來更多前瞻性、多中心研究證實這項技術的可靠性，AI心電圖可望應用於臨床，包括提早轉介心臟專科追蹤、更精準評估哪些患者需要植入心律去顫器（ICD），甚至在心因性猝死發生前，就提前辨識真正需要保護的人。
不過，他也提醒，目前這項技術仍屬早期研究階段，尚未納入國際治療指引，也不能取代醫師的臨床判斷，仍需更多不同族群與真實世界研究驗證。
黃軒認為，AI醫療的真正價值，不只是提升判讀速度或增加準確率，而是開始看見過去人類無法發現的訊號。未來心電圖或許不再只是告訴醫師「心臟現在出了什麼問題」，更有機會回答另一個關鍵問題：「這個人是否正悄悄走向猝死？」醫療也將從事後搶救，逐步邁向提前預防的新時代。
點擊閱讀下一則新聞
下體長異物「怕脫褲懼就醫」 硬撐5年…掀開驚見整片菜花園！
