在之前的综述中，我们提及了AI在医疗领域的一大应用——患者管理。2024年4月，Chin Lin等在《Nature Medicine》上发表文章，介绍了利用AI预测ECG（心电图）进行评分的方法。人工智能心电图能够识别人类未识别的恶化迹象，并提示早期干预以降低死亡率，为广大的医务工作者提供了新的思路。
大多数院内心脏骤停其实是可以预防的；然而，恶化的早期迹象可能难以被识别。在医院中引入快速反应系统（RRS）有助于医生识别这些早期恶化迹象。其中，传入支，也被称为跟踪和触发系统（TTS），是激活RRS的关键。
Chin Lin等开发了一种人工智能心电图（AI-ECG），用于死亡风险分层，并向干预组中的这些患者发送警报。参与的医生在收到AI-ECG警报后，仔细评估了患者的当前状况，并据此安排了适当的重症监护。
自2021年起，Chin Lin等在TW的一家中心医院和一家社区医院引入了人工智能（AI）来识别心电图（ECG），并预测死亡率高的住院患者。这项多中心随机对照试验涉及39名医生和15,965名患者，其中包括8,001名干预组患者和7,964名对照组患者。ClinicalTrials.gov注册号：NCT05118035。
临床试验设计如下：
研究结果显示 AI-ECG 警报与 90 天内全因死亡率显著降低相关：干预组中有 3.6% 的患者在 90 天内死亡，而对照组为 4.3%组 (4.3%)（风险比 (HR) = 0.83，95% 置信区间 (CI) = 0.70–0.99）。
与 AI-ECG 警报相关的全因死亡率降低主要在具有高风险 ECG 的患者中观察到（HR = 0.69，95% CI = 0.53-0.90）。
AI-ECG对低风险亚组的患者影响有限：
在 AI-ECG 的帮助下，心源性死亡的总体风险显著降低（HR = 0.27，95%， CI = 0.11–0.67，P = 0.005）。
AI-ECG 对于非心源性死亡的总体 HR 为 0.88（95% CI = 0.74–1.05，P = 0.170）
