背景：心脏骤停是一种危及生命的心脏活动停止。早期预测心脏骤停非常重要，因为它允许在发作期间采取必要的措施来预防或干预。人工智能 (AI) 技术和大数据越来越多地被用于增强预测和为高危患者做准备的能力。目的：本研究旨在探索文献中报道的人工智能技术在预测心脏骤停中的应用。方法：根据 PRISMA（系统评价和荟萃分析的首选报告项目）扩展的范围界定审查指南进行范围界定审查。搜索了 Scopus、ScienceDirect、Embase、电气和电子工程师协会和 Google Scholar 以确定相关研究。还对纳入的研究进行了反向参考文献列表检查。研究选择和数据提取由 2 名审阅者独立进行。从纳入研究中提取的数据以叙述方式综合。结果：在检索到的 697 篇引文中，41 篇研究被纳入审查，6 篇是在向后引用检查后添加的。纳入的研究报告了人工智能在预测心脏骤停方面的应用。在 47 项研究中，我们能够将研究采用的方法分为 3 个不同的类别：26 项 (55%) 研究通过分析患者的特定参数或变量来预测心脏骤停，而 16 项 (34%) 研究开发了基于人工智能的预警系统。其余 11% (5/47) 的研究侧重于区分心脏骤停高风险患者和无风险患者。两项研究关注儿科人群，其余研究关注成人 (45/47, 96%)。大多数研究使用的数据集大小小于 10,000 个样本 (32/47, 68%)。机器学习模型是研究中用于预测心脏骤停的最突出的人工智能分支（38/47，81%），最常用的算法是神经网络（23/47，49%）。K 折交叉验证是研究报告中最常用的算法评估工具（24/47，51%）。结论：人工智能被广泛用于预测不同患者环境中的心脏骤停。技术有望在改善心脏医学方面发挥不可或缺的作用。需要更多的评论来了解在临床环境中实施人工智能技术的障碍。此外，还需要研究如何最好地为临床医生提供支持，以理解、适应和在实践中实施这项技术。