AI在心脏病检测中超越心脏病专家？

据《医学新闻》报道，一款名为EchoNext的AI心电图模型在检测结构性心脏病(SHD)方面表现超越 cardiologists，这项发表在《Nature》期刊的研究显示，该技术有望通过10秒的心电图检查发现潜在心脏疾病，为全球医疗资源分配不均问题提供新的解决方案。

美国每年因结构性心脏病产生的医疗支出超过1000亿美元，然而约6.4%的老年人患有未被诊断的显著瓣膜性心脏病，加上已诊断的4.9%患者，总患病率超过11%。尽管早期超声心动图检查可挽救生命，但设备资源和专业人员的缺乏使许多患者错失诊断机会。

研究团队收集了来自8家纽约长老会医院2008至2022年间的124万份心电图-超声心动图配对记录，开发出能同时识别多种心脏异常的EchoNext模型。该模型通过卷积神经网络分析12导联心电图原始波形，结合常规心电图参数及年龄性别数据，可检测左心室射血分数降低、心室壁增厚、肺动脉高压等多种心脏结构异常。

在纽约长老会医院的测试集中，EchoNext检测复合结构性心脏病的AUROC（曲线下面积）达85.2%，精确率-召回率曲线下面积为78.5%。在 Cedars-Sinai、蒙特利尔心脏研究所和加州大学旧金山分校的外部验证中，AUROC值保持在78%至80%之间，显示出良好的泛化能力。

一项涉及13名 cardiologists的盲测对比显示，医生对结构性心脏病的识别准确率为64%，而EchoNext单独达到77%准确率。当医生获得AI风险评分辅助时，准确率略微提升至69%，表明该模型捕捉到了专家肉眼难以识别的预后模式。值得注意的是，参与评估的 cardiologists 仅获得去标识化的心电图数据，缺乏临床背景信息，这与实际临床环境有所不同。

在84,875例无既往超声心动图检查的连续心电图中，EchoNext标记了9%的高风险病例，其中45%的患者在常规诊疗中未接受后续影像学检查。根据模型预测的患病率和敏感性，研究估计若实时应用该AI提醒系统，可能拦截约1,998例隐匿性结构性心脏病。

DISCOVERY前瞻性试点研究进一步验证了模型的临床价值，该研究招募了100名无影像学检查史的成人。结果显示，EchoNext高风险组中73%存在未被发现的结构性心脏病，中风险组为28%，低风险组仅6%，表明该模型能有效分流超声心动图资源，避免低风险人群不必要的检查。

研究团队强调，EchoNext模型不仅提高了诊断准确性，还在不同年龄、性别、种族和临床环境中保持稳定表现，有助于促进医疗公平。尽管如此，研究者仍指出需通过大规模临床试验验证AI筛查对生存率和医疗公平性的实际影响，并探讨"守门人"和"安全网"等不同部署策略的利弊。