重庆大学附属中心医院马渝、邹凌云团队发表最新研究成果：AI融合气象可开展心脏骤停动态预警

第1眼TV-华龙网讯 近日，重庆大学附属中心医院（重庆市急救医疗中心）急诊医学重庆市重点实验室马渝教授团队、临床数据研究中心邹凌云教授团队，医院特聘专家徐荣彬教授团队，以及英国伦敦国王大学王岩中教授团队联合在国际权威学术期刊《npj Digital Medicine》（中科院1区Top期刊，影响因子18.0）联合发表题为：Predicting Dynamic Individual Out-of-Hospital Cardiac Arrest Risks Using Explainable Machine Learning: Multicenter Study in China（基于可解释机器学习动态预测个体院外心脏骤停风险：中国多中心研究）的研究论文。重庆大学附属中心医院（重庆市急救医疗中心）为论文第一署名单位。

研究团队近年来持续致力于人工智能技术在急危重症医学领域的创新与转化研究，积极探索智能算法在疾病预警、决策支持及医疗质量提升中的应用。本研究作为阶段性成果，基于人工智能技术，开发并验证一种融合易获取的个体因素与实时气象环境因素的院外心脏骤停（OHCA）风险预测模型，为人工智能诊断辅助院前预警提供依据，为院前急救资源配置和公共卫生应急准备提供了新的技术路径。

OHCA是严重威胁公众生命安全的重大公共卫生问题，具有发病突然、进展迅速、救治窗口极短等特点。我国每年超过50万人死于OHCA，其救治的关键在于及时在发生后的“黄金四分钟”内开展救治，而通过风险预测模型早期识别和预警OHCA风险对于及时救治至关重要。传统风险评估方法多基于个体人口学特征、基础疾病及既往健康状况等信息，通常难以动态识别外部环境变化对高风险人群和高风险时段。既往研究提示，OHCA的发生受个体特征、基础疾病及气象变化等多因素共同影响，但现有预测模型整合动态气象环境信息不足，限制了其在院前急救资源配置和公共卫生风险预警中的应用价值。

针对这一问题，研究团队构建了融合个体特征与气象因素的OHCA风险动态预测模型。该模型整合个体基础信息、既往疾病情况及每日气象变量，探索个体健康状态与外部环境暴露之间的关联关系，实现对OHCA发生风险的动态评估，为院前急救预警、重点人群管理和急救资源前置部署提供参考依据。

研究结果显示，融合个体特征与气象因素的模型具有最佳预测性能，AUC达到0.814（0.807-0.821），显著优于仅基于个体因素的模型（AUC=0.789，P<0.001）。在99%特异性条件下，该模型阳性预测值为2.45%，较逻辑回归模型提高5.4倍；在Youden最优阈值下，模型灵敏度达到0.96，提示其对OHCA风险识别具有较好潜力。该模型适用于人群层面的风险感知、公共卫生预警和院前急救资源优化配置，可为急救力量前置部署、高风险区域监测和公共卫生应急准备提供决策支持。

该模型的核心创新与贡献包括：（1）实现个体因素与气象因素的联合建模，将基础临床特征与连续、标准化、易获取的气象暴露数据相结合，提升了OHCA动态风险预警能力；（2）提高风险分层准确性，机器学习模型能够捕捉人口学、临床和环境变量之间的非线性关系及高阶交互作用，整体预测性能优于传统模型；（3）支持院前急救系统层面的准备规划，通过识别高风险人群和高风险时段，为急救资源前置部署、公众风险提示和重点人群管理提供依据；（4）具备良好的推广应用可行性，气象数据持续采集、标准统一、获取便捷，模型部署所需额外数据负担较低，并在心血管疾病和呼吸系统疾病等亚组中表现稳定。

该研究基于重庆院前急救系统真实场景，验证了基础临床特征与气象环境暴露相结合用于OHCA风险预测的可行性，为急救医疗体系开展风险预警和资源优化提供了新的技术支撑。该成果为人工智能赋能院前急救和公共卫生应急准备提供了具有实践价值的新范式。