AI预测住院患者心脏骤停风险……在家也能监测心电图
“VUNO Med-DeepCARS”在150家医院积累临床证据
家用测量设备“HATIV”助力早期发现心房颤动
借助可穿戴设备推动医疗AI向家庭和社区普及
人工智能（AI）正在将医疗AI的应用范围从医院拓展至院外，例如预测住院患者发生心脏骤停的风险，以及在家通过便捷的心电图测量及早发现心律失常。
VUNO首席技术官（CTO）Joo Seonghun于30日在首尔中区The Grand Lotte Seoul举行的“乙支大学医疗院建院70周年学术活动”上，以“医疗人工智能从医院延伸至家庭的应用”为主题，介绍了VUNO目前应用于医疗现场的人工智能解决方案及未来发展方向。
View original imageVUNO首席技术官（CTO）Joo Seonghun于30日在乙支大学医疗院建院70周年学术活动上，以“医疗AI从医院延伸至家庭的应用”为主题，介绍了目前应用于医疗现场的AI解决方案及未来发展方向。
Joo首席技术官指出，医疗AI的核心课题不仅在于技术准确性，还在于证明其在实际临床中能为患者带来何种效果。他强调：“医疗AI准确预测固然重要，但投入医院实际使用后能否取得临床有效的结果同样重要。”
一个典型案例是VUNO基于AI的心脏骤停风险监测解决方案“VUNO Med DeepCARS”。在普通病房，护士通常每隔8小时测量一次患者的血压、脉搏、呼吸和体温等生命体征，再由AI算法分析这些记录，将发生心脏骤停的风险评定为0至100分。分数越高，代表风险越大。医护人员可以一目了然地掌握病房患者的风险状况，并优先观察风险分数急剧上升的患者。通常，系统会设置在分数达到90分以上时发出高风险警报。
在实际医院中，曾有患者的DeepCARS分数急剧上升，医护人员对其进行重点观察后将其转入重症监护室，及时采取干预措施，最终患者顺利出院。Joo首席技术官解释说：“AI正被用于从众多患者中筛选出需要重点观察的人。”
相关临床证据也在不断积累。DeepCARS于2021年获得韩国食品药品安全处批准，并通过评估暂缓制度在约4年间积累了临床证据。目前，该产品已在韩国约150家医院使用，今年将接受新医疗技术评估。VUNO还取得了研究结果，显示引入DeepCARS的医院中心脏骤停发生率和死亡率显著下降。
Joo首席技术官特别强调：“医疗AI不应取代现有医护人员的工作体系，而应发挥补充作用。”DeepCARS同样不是要替代医院的整套快速响应系统，而是负责及早发现患者病情可能恶化的迹象。
谈到可在医院外使用的技术，他介绍了家用心电图测量设备“HATIV”。双手和腿部接触该设备后，设备会测量30秒心电图，再由AI进行分析并告知是否存在心房颤动等情况。测量结果还会显示心率、QRS波群间期、QT间期等主要指标。
心房颤动是一种心跳不规则的心律失常，可能增加血栓和中风风险，因此及早发现和治疗十分重要。但由于心房颤动具有间歇性，在医院测量心电图时也可能不会出现异常。HATIV旨在让患者能够在家中按需测量心电图并保存记录。在全罗南道新安一座岛屿村庄的保健所，工作人员使用该设备发现一名老年患者的心电图起初正常，但随后约6小时内反复出现心房颤动，于是立即将患者转诊至医院，使其得以及时接受治疗。
在23日至25日于釜山BEXCO举行的“釜山国际医疗器械展览会（KIMES BUSAN 2026）”上，VUNO运营自助心电体验区，介绍 kiosk 式心电测量设备“HATIV K30”等主要产品。VUNO供图
View original image不过，随着家用设备的应用日益普及，正确理解测量结果也变得至关重要，因为即使只是短暂的异常信号，也可能令患者感到不安。Joo首席技术官表示：“即便是喝咖啡或饮酒后的第二天，也可能出现暂时性的早搏。如何向患者准确解释测量结果，是今后需要解决的课题。”
VUNO计划今后利用可穿戴设备连续测量住院患者的生命体征，并开发将测量数据与基于AI的患者风险监测相结合的技术。该技术将通过可穿戴设备补充目前由护士定时人工测量的血压、呼吸频率和体温等数据，减少测量间隔造成的监测空白。进一步完善后，还可持续监测出院患者在家中的健康状况，并在生命体征出现风险信号时与医疗机构联动。
Joo首席技术官表示：“VUNO的目标是让基层医疗机构、社区和家庭也能享受到目前应用于大型医院的医疗技术。我们将持续积累临床证据，让医疗AI为患者带来切实而有意义的改变。”
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
