上海交大新华医院团队用AI助力儿童先心病预测，AI模型登场！提升儿童膜周部室间隔缺损预测能力

本文围绕上海交通大学医学院附属新华医院儿心脏中心孙锟团队的研究展开，介绍了其在《Lancet Digital Health》杂志发表的成果，即基于人工智能的模型对膜周部室间隔缺损儿童患者自然闭合的预测作用，还阐述了该疾病情况、研究方法及成果意义。

近日，一则令人振奋的医学科研消息传来。上海交通大学医学院附属新华医院儿心脏中心孙锟团队在国际知名杂志《Lancet Digital Health》在线发表了最新研究成果《Leveraging artificial intelligence for predicting spontaneous closure of perimembranous ventricular septal defect in children: a multicentre, retrospective study in China》。这一研究成果犹如一颗璀璨的新星，为儿童先天性心脏病的治疗领域带来了新的希望。该研究提出了一种基于人工智能（AI）的创新模型，它巧妙地结合了自然语言处理（NLP）和机器学习技术，目标十分明确，就是要显著提高膜周部室间隔缺损（PMVSD）儿童患者自然闭合的预测能力，从而为临床治疗决策提供全新的有力支持。

PMVSD：儿童最常见的先天性心脏病之一

室间隔缺损（VSD）在儿童先天性心脏病的病因中占据首位，大约占到所有先心病的20% – 30%。而其中，膜周部室间隔缺损（PMVSD）又是最常见的亚型。简单来说，PMVSD就是心脏左右心室之间的间隔在膜周区域出现了缺损，这就好比是房间之间的墙壁有了个洞，导致血液出现异常分流。在患有PMVSD的患儿中，约20% – 30%的孩子心脏缺损会随着年龄的增长自行愈合，但仍有大约70% – 80%的患儿需要通过手术或介入治疗来进行干预。所以，对于PMVSD自然闭合的准确预测，在临床治疗中起着至关重要的作用。

然而，目前现有的预测模型存在着明显的局限性。它们通常仅仅依赖于结构化的超声心动图参数或者有限的数据集，这就导致预测误差较大。而此次本研究别出心裁地运用人工智能技术，借助自然语言处理（NLP）从超声心动图报告和病历中提取结构化数据，再结合机器学习方法，成功提出了一个全新的预测模型。

从海量病历中挖掘预测因子

研究团队可谓是下足了功夫，他们使用了来自中国六个三级医院的29,142名PMVSD患者的回顾性数据。这些数据被科学地分为训练集、验证集和测试集。研究人员通过自然语言处理（NLP）技术，从原始报告中仔细地提取了关键预测因子。随后，利用随机生存森林算法（RSF）构建了预测模型，以此来评估自然闭合的发生概率和时间。

研究结果令人惊喜。该模型在1年、3年和5年的预测中都有着出色的表现，验证集和测试集的AUC（曲线下面积）分别达到了0.95、0.95和0.95，测试集的1年、3年和5年AUC更是分别高达0.95、0.97和0.98。此外，该模型还通过决策曲线分析、校准和风险分层，充分展示了其高度的临床实用性，并且在不同中心和患者亚组中都能保持一致的准确性。

本论文通讯作者、上海交通大学医学院附属新华医院院长、小儿心血管学科带头人孙锟教授表示，这项研究为PMVSD患者的管理提供了一种全新的预测工具。其由AI驱动的预测模型不仅可以精准地预测自然闭合的时间，还能够帮助临床医生更科学地决策治疗方案，有效减少因延误或不适当治疗带来的风险，从而改善患者的临床结局。

同时，该模型的自动化工作流程赋予了它较强的可扩展性，并且能够在多个医院之间实现数据的共享和整合，大大提升了其在不同临床环境中的应用潜力。

该论文的第一作者是新华医院儿心脏中心孙晶副主任医师，交大医学院临床研究中心冯铁男博士和新华医院儿心脏中心王博博士为共同第一作者；通讯作者为新华医院儿心脏中心孙锟教授，新华医院临床研究与创新中心孙新主任为共同通讯作者。

上海交通大学医学院附属新华医院儿心脏中心孙锟团队的研究成果意义重大。通过创新的AI模型结合自然语言处理和机器学习，解决了现有预测模型的局限性问题。该模型在大量数据验证下表现出色，能准确预测膜周部室间隔缺损儿童患者自然闭合情况，为临床治疗决策提供有力支持，还具备可扩展性和多医院数据共享能力，有望改善患者临床结局。