摘要：基于12导联心电图（ECG）的人工智能（AI）算法为年龄预测提供了新方法。本研究探讨了AI预测的ECG年龄（AI-ECG年龄）与真实年龄之间的差异（称为“心电图老化”）是否与房颤（AF）风险相关。

基于12导联心电图（ECG）的人工智能（AI）算法为年龄预测提供了新方法。本研究探讨了AI预测的ECG年龄（AI-ECG年龄）与真实年龄之间的差异（称为“心电图老化”）是否与房颤（AF）风险相关。

· 模型开发与验证：利用大规模数据集（689,639名参与者的1,533,042份ECG）开发AI-ECG年龄预测模型，并在6个独立跨国数据集（330,794名参与者的737,133份ECG）中进行验证。

· 队列与分组：基于韩国（2组，共149,000人）、英国（40,973人）和美国（90,639人）的队列计算AI-ECG年龄差，参与者分为正常组（年龄差

· 风险评估：通过多队列随访（最长13年），分析心电图老化对新发和早发AF风险的预测能力。

· 年龄差分布：韩国、英国和美国队列的平均AI-ECG年龄差分别为0.0年、−0.1年、4.7年和−1.4年。

· 新发AF风险：心电图老化组的新发AF风险显著升高，校正风险比（HR）分别为：

· 韩国队列：2.50（95% CI：2.24–2.78）

· 英国队列：1.89（1.46–2.43）

· 美国队列：1.76（1.67–1.86）。

· 早发AF风险：心电图老化组的早发AF比值比（OR）为2.89（韩国）、1.94（英国）、1.58（美国）和1.79（综合队列）。

这项研究表明AI衍生的心电图老化与新发和早发AF风险显著相关，提示其在跨人群AF风险分层和预防中的潜在应用价值。

European Heart Journal (2025) 46, 839–852

来源：程中伟一点号1