研究者介绍，在低危心电图中，aVL 导联（左臂加压单极肢体导联）的R波末端通常紧接尖锐负向S 波，而高危心电图中，这种尖锐转折却被一种平滑过渡或切迹的形态所取代。

图1机器学习模型挖掘出的预测心原性猝死的心电图形态

这项研究中，研究者基于瑞典人群26万多份心电图数据训练了一种名为深度神经网络的机器学习算法。这些心电图数据通过国家记录与死因进行了匹配。

初步训练后，研究者在未被改动的数据子集评估了机器学习模型，该模型将子集中约2%的人群标记为高危，这一人群年猝死率高达7%，远高于低左心室射血分数高危人群的4.6%。

研究者应用美国医疗系统与中国台湾医院等数据对模型进行验证后证实，在不同地区、设备制造商以及临床结局定义方式下具有良好的泛化性。

研究者还将预测模型与一种可生成逼真心电图波形的模型相结合，随着预测风险的梯度对单个合成记录进行了迭代扰动。

输出的波形展现了同一个个体从低危心电图波形逐步演化为高危波形的过程，就此研究者从中揪出了aVL导联中R波末端平缓这一高危特征。

之后研究者在瑞典与美国两个大规模队列中对此进行了验证，表明这种高危心电图特征可预测心原性猝死，具有一定稳健性。

aVL导联中R波末端平缓，反映了弥漫性心肌纤维化状态，而这在一小部分高危患者心脏磁共振成像检查数据中得以对应支持。

可能心肌这种纤维化病灶干扰了电信号传导，最终表现为aVL导联的波形异常，甚至诱发恶性心律失常、导致猝死。

研究者表示，将心电图这些形态变化与心脏电生理计算模型、影像学或活检的组织层面结果相结合，或有助于确定心肌纤维化是否是引起猝死的根本机制，进而为预防策略提供线索。

来源：Obermeyer Z, Schubert A, Ross J, et al. An ECG biomarker for sudden cardiac death discovered with deep learning. Nature. 2026 Jul;655(8121):210-218.

转 载： 请标明“中国循环杂志”

关于非法网站冒用我刊名义进行征稿的特别提醒

近期我们发现一些网站冒用“中国循环杂志”名义征稿，并承诺“职称论文权威快速发表”。

我刊郑重提醒各位作者，向《中国循环杂志》投稿，一定要登录中国循环杂志官方网站：

http://www.chinacirculation.org

进入“作者投稿”，在“作者投稿管理平台”中投稿。