近日，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《柳叶刀·数字健康》（《Lancet Digital Health》）杂志在线发表了最新研究成果。该研究提出了一种基于人工智能（AI）的模型，结合自然语言处理（NLP）和机器学习，旨在提高膜周部室间隔缺损（PMVSD）儿童患者自然闭合的预测能力，进而为临床治疗决策提供新的支持。

室间隔缺损（VSD）是儿童先天性心脏病的首位病因，约占所有先心病的20%-30%，其中膜周部室间隔缺损（PMVSD）是最常见的亚型。PMVSD指心脏左右心室之间的间隔在膜周区域存在缺损，导致血液异常分流。约20%-30%的PMVSD患儿的心脏缺损会随年龄增长自行愈合，但仍有约70%-80%的患儿需要手术或介入治疗干预。因此，对自然闭合的预测对于临床治疗至关重要。

现有的预测模型通常依赖于结构化的超声心动图参数或有限的数据集，存在较大的预测误差。本研究通过人工智能技术，利用NLP从超声心动图报告和病历中提取结构化数据，并结合机器学习方法，提出了一个新的预测模型。

研究团队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，通过NLP技术从原始报告中提取了关键预测因子。随机生存森林算法（RSF）被用来构建预测模型，评估了自然闭合的发生概率和时间。结果显示，该模型在1年、3年和5年的预测中均表现出色。此外，模型还通过决策曲线分析、校准和风险分层展示了高度的临床实用性，并在不同中心和患者亚组中保持一致的准确性。

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新的预测工具，其AI驱动的预测模型不仅可以准确预测自然闭合的时间，还能帮助临床医生更好地决策治疗方案，减少因延误或不适当治疗带来的风险，改善患者临床结局。

同时，模型的自动化工作流程使其具有较强的可扩展性，并且能够在多个医院之间共享和整合数据，提升其在不同临床环境中的应用潜力。