心脏病可能以猝死作为首发症状，这一状况在中国每分钟至少夺去一人性命，即使是看似健康的年轻人群也面临风险。预防此类不幸事件的关键在于精确评估潜在风险，而这恰好是一个复杂且现有手段准确性有限的挑战。

最近，计算物理学家与心脏病专家的跨界合作带来了一项突破，他们开发出一种新指标，显著提升了心脏性猝死的预测准确性。该指标的优势在于仅需获取极为简便的数据——静息状态下一分钟的心率读数，大多数智能手表和健康手环都能轻松实现这一测量。

心脏跳动并非机械重复，每次心跳之间的间隔存在细微差异，这种不规律性被称为心率变异性，是心脏健康的重要标志。三四十年前，科研人员就已察觉到心率变异性与心脏性猝死风险的关联，但当时采用的常规指标预测效能有限。

这项发表在《美国心脏病学会杂志：临床电生理学》上的研究成果，介绍了一种由芬兰坦佩雷大学计算物理团队研发的新型心率变异性指标。研究团队利用芬兰心血管研究项目中的3933名参与者数据进行验证，这些参与者在坦佩雷大学医院接受了包含静息和运动状态心电图的综合测试。历经平均8.3年的追踪，共有378名参与者离世，其中77例为心脏性猝死。

新指标DFA2 α1在预测心脏性猝死方面的表现尤为突出，尤其是在静息状态下的测量结果。数据显示，该指标每下降一个标准差，心脏性猝死的风险就会上升1.4倍。有趣的是，高风险个体的静息心率变异性与健康人在运动时的状态相似。DFA2 α1即便在纳入年龄、性别、糖尿病史、心肌梗死史和心肺功能等其他风险因素后，仍能独立增强风险预测的精确度，有望与现有方法结合，进一步提升预测的准确性。

心脏性猝死作为一种常见且救治难度大的病症，占据了全部死亡原因的20%和心血管疾病死亡的半数，仅有约10.4%的患者能在急救后幸存出院。新指标虽然尚未在大众中验证，但其在识别高风险群体方面的潜力巨大，并具备转化为智能穿戴设备应用的可能，未来或许能让人们通过简便的自我监测，及时发现并应对心脏性猝死的风险。