提前30分钟预测心律失常

房颤是全球最常见的心律失常，2019年约有5900万人患有房颤。这种不规则的心跳与心力衰竭、痴呆和中风的风险增加有关。它对卫生保健系统构成重大负担，使其成为早期发现和治疗的主要目标。卢森堡大学卢森堡系统生物医学中心(LCSB)的研究人员最近开发了一种深度学习模型，能够预测从正常心律到房颤的转变。它平均在发病前30分钟发出预警，准确率约为80%。这些结果发表在科学杂志《Patterns》上，为整合可穿戴技术铺平了道路，允许早期干预和更好的患者结果。 

在房颤期间，心脏的上腔不规律地跳动，与心室不同步。恢复正常的心律需要密集的干预，从电击心脏恢复正常的窦性心律到去除产生错误信号的特定区域。能够足够早地预测房颤发作将使患者能够采取预防措施以保持心律稳定。然而，目前基于心率和心电图(ECG)数据分析的方法只能在发病前检测到心房颤动，而不能提供早期预警。

LCSB系统控制小组负责人Jorge Goncalves教授解释说:“相比之下，我们的工作偏离了这种方法，采用了更具前瞻性的预测模型。”“我们使用心率数据来训练一个深度学习模型，该模型可以识别不同的阶段——窦性心律、前心房颤动和心房颤动——并计算病人即将发作的‘危险概率’。”当接近心房颤动，概率增加，直到它越过一个特定的阈值，提供早期预警。 

这种人工智能模型被称为WARN(房颤预警)，对来自同济医院(中国武汉)的350名患者的24小时记录进行了训练和测试，并在房颤开始前平均30分钟给出了早期预警，准确率很高。与以往的心律失常预测工作相比，WARN是第一个在发病前提供预警的方法。 

“另一个有趣的方面是，我们的模型仅使用R-to-R间隔具有高性能，基本上只是心率数据，可以从易于佩戴和负担得起的脉搏信号记录器(如智能手表)中获得，”该出版物的第一作者马里诺·加伟达博士强调说，他在系统控制组和博士培训单元评论家的博士学位期间从事该项目(见下框)。参与该项目的LCSB研究员Arthur Montanari博士补充说:“这些设备可以被患者日常使用，所以我们的研究结果为开发实时监测和早期预警提供了可能性。” 

此外，研究人员开发的深度学习模型可以在智能手机中实现，以处理来自智能手表的数据。这种低计算成本使其非常适合集成到可穿戴技术中。长期目标是使患者能够持续监测他们的心律并获得早期预警，从而为服用抗心律失常药物或使用一些靶向治疗来预防房颤的发作提供足够的时间。这反过来又会减少紧急干预并改善患者的预后。

“展望未来，我们将专注于开发个性化车型。简单的智能手表的日常使用不断提供有关个人心脏动态的新信息，使我们能够不断改进和重新训练我们的模型，以便在更早的警告下实现更高的性能，”Goncalves教授总结道。“最终，这种方法甚至可能导致新的临床试验和创新的治疗干预措施。

来源：AAAS

异丁醛（也称为2-丁醛，化学式：C4H8O）是一种有机化合物，属于醛类化合物。以下是异丁醛的一些化学性质：

1. 功能团：异丁醛分子中含有一个醛基（─CHO功能团），即碳氧双键和一个氢原子。

2. 溶解性：异丁醛具有一定的溶解性。它可以在水和许多有机溶剂中溶解，如乙醇、醚等。

3. 氧化性：异丁醛易被氧气氧化成相应的酸。

4. 反应活性：异丁醛是一种活泼的化合物，可以与多种化学物质发生以下反应：

   - 还原反应：可以被还原剂还原为相应的醇。

   - 加成反应：与亲核试剂（如氨、氢氯化物）加成反应，形成相应的加成产物。

   - 导入反应：与亲电试剂（如酸性条件下的醇或酰氯）反应，发生导入反应，形成醇或酯。

5. 异构性：异丁醛和正丁醛（1-丁醛）是同分异构体，它们的分子结构不同。

需要注意的是，异丁醛是一种具有刺激性气味的液体，在处理和使用时应采取适当的防护措施。同时，由于异丁醛易燃，应避免与火源接触和存放在易燃物质附近。