萨里大学牵头的一项研究显示，在赛马热身慢跑阶段进行快速心电图（ECG）检测，或可用于识别在高强度运动中存在心律失常风险的马匹，从而为预防在表面健康、无明显心律失常迹象的马匹中发生心脏事件提供筛查手段。

人工智能用于捕捉细微风险信号

研究由萨里大学联合明尼苏达大学、Rossdales兽医诊所和威斯康星马科诊所的研究人员共同完成。团队使用一套此前由萨里大学开发的人工智能系统，对心脏电信号的“无序性”进行量化分析。研究人员称，该系统可仅凭静息或轻度运动状态下采集的短时ECG记录（心率约为每分钟60至100次），区分出在高强度运动时可能出现早搏的马匹。

相关成果发表于《Scientific Reports》。研究记录了110匹美国纯血马和标准品种赛马在常规训练中的动态心电图数据。研究团队从每匹马的记录中截取60秒ECG片段，并在不同心率范围与信号特征条件下测试了六种算法。结果显示，表现最佳的算法在区分运动性心律失常马匹与正常马匹时的曲线下面积（AUC）为0.86，高于随机判断的0.5。

研究还指出，该方法在排除无风险马匹方面表现较为有效。筛查结果呈阳性的马匹可进一步接受完整的运动心电图检查，以确认心律失常的类型与严重程度。

研究人员称有助提升赛马安全与监测效率

萨里大学兽医学院院长、该研究共同通讯作者Kamalan Jeevaratnam教授表示，这项工作表明，借助简单、短时的心电图记录，可以在马匹达到最高运动强度之前捕捉到更具影响力的心律紊乱预警信号；在常规热身阶段即可筛查出高风险马匹，并支持在运动过程中对其进行更密切监测。

研究提到，心律失常在运动马中较为常见，多数情况无害，但在部分严重病例中可能导致运动表现下降、晕厥或危及生命的心脏事件。当前识别风险马匹通常需要在高强度运动中监测心电图，而更早识别高风险个体有助于开展更有针对性的监控与管理，从而提升赛场内外的安全与福利。

研究团队同时表示，该研究建立在Jeevaratnam团队此前工作的基础之上。此前研究显示，类似的基于复杂度的心电图分析可用于检测阵发性房颤——这是马和人类中最常见的持续性心律失常。研究称，两种方法适用于不同心率范围，意味着兽医在一次低强度运动的诊断过程中，可能同时对两类情况进行筛查。