充血性心力衰竭 (congestive heart failure, CHF) 又名慢性心臟衰竭 (chronic heart failure)，對心肌收縮功能造成慢性損害，當今全球罹病人口達 2,600 萬。現行偵測充血性心力衰竭之方式為分析心率變異 (heart rate variability, HRV) 數據，透過連續沿時間序列測量心跳間隔 (R-R波) ，分別有時域分析 (time domain) 和頻域分析 (frequency domain) 兩種模式。
英國薩里大學 (University of Surrey) 研究團隊近日於《Biomedical Signal Processing and Control》期刊發表研究成果，指出其開發的 AI 訊號處理模型「卷積神經網路 (convolutional neural networks, CNN)」可學習分析心電圖 (electrocardiogram, EGG) 原始訊號資料。研究人員收案 490,505 件 24 小時心電圖資料，從中擷取五分鐘讀值樣本，透過該 CNN 模型偵測充血性心力衰竭，其中 99% 樣本之準確度和靈敏度高達 96% ，能有效辨識心律模式與結構等資料，大幅提高充血性心力衰竭偵測效率。
薩里大學神經組織科學副教授 Dr. Sebastiano Massaro表示：「我們利用心電圖大數據資料庫，不斷訓練及測試 CNN 模型辨識 CHF 病患和健康人士的心電圖波形，模型準確率接近 100%，甚至單憑一下心跳就能偵測心律波是否正常。」該研究將有助於早期精確診斷充血性心力衰竭，讓患者獲得更即時的治療、減少醫療花費和社會成本，進一步促進全人類健康。