据越通社驻特拉维夫记者报道，这项研究成果已发表在国际权威学术期刊《npj Digital Medicine》上。研究由以色列理工学院（Technion）生物医学工程系教授Joachim Behar与博士研究生Eran Zvuloni共同主持，并联合兰巴姆医疗中心、沙雷泽德克医疗中心、耶路撒冷希伯来大学及Leumit健康保险基金的科学家和医生共同完成。
名为“DeepHHF”的人工智能模型，是以Leumit医疗服务机构收集的约7万份24小时动态心电图（Holter ECG）数据进行训练而成。与传统诊断方法相比，DeepHHF最大的特点在于其数据分析方式：它并非仅分析已明显表现出的异常，而是直接分析原始心电图数据，从中识别极其细微的电信号。这些信号往往肉眼甚至经验丰富的医生都难以察觉，却可能是预测患者未来发生心力衰竭风险的重要预警指标。
目前，心力衰竭已成为全球最严峻的公共卫生挑战之一，全球约有6400万人罹患此病，其中以老年人最为常见。 心力衰竭的治疗效果很大程度取决于发现时机：若能在心脏发生不可逆损伤之前及早发现并进行干预，治疗效果将远优于疾病进入晚期后的治疗。
Joachim Behar教授强调，这是全球首个仅依靠常规24小时动态心电图（Holter ECG）数据，即可提前最长5年预测心力衰竭风险的人工智能模型。 他表示，采用这种无创诊断方式——这一技术已广泛应用于临床实践——将有助于该项技术迅速融入现有医疗体系，及早识别高风险患者，减少急诊住院病例，降低并发症发生率和死亡率。
