苹果手表已能“读懂”心电图，首次用于识别“隐匿性”心脏病

人工智能已经站在健康医疗领域技术发展的最前沿。

在2025年美国心脏病年会会议（AHA）开幕前夕，一项来自苹果手表的最新研究显示，该设备首次识别到患者的结构性心脏病。

早期发现结构性心脏病对于改善预后至关重要，但广泛筛查仍然受限于超声心动图等影像工具的成本和可及性。这项创新技术有望改变未来心脏病的筛查方式。

该研究仅利用了苹果智能手表记录的简单心电活动读数，即单导联心电图（ECG），在人工智能算法的加持下，筛查了过去只能通过12导联心电图检测到的结构性心脏病。

该技术的核心在于这种用于检测心脏疾病的人工智能算法。该算法是基于科学家们收集的超过11万名患者的26.6万份复杂的12导联心电图测量数据开发而成的，并在超过4.5万名患者身上进行了外部验证，能够检测出包括心肌收缩能力减弱、瓣膜损伤和心肌增厚等疾病，有望将可穿戴设备的潜力扩展到检测心律失常之外的更多领域。

目前，国内外在人工智能检测心脏疾病相关领域已经开展了大量的研究。今年7月，人工智能用于早期发现结构性心脏病的研究成果登上《自然》杂志。来自美国哥伦比亚大学欧文医学中心的研究团队开发了一种算法，使AI独立分析心电图（ECG）数据的检测准确率高于AI辅助下的人类心脏病专家。

苹果手表最新研究的资深作者、耶鲁大学医学院心血管数据科学实验室主任Rohan Khera评论称：“这种新技术使得大规模早期筛查结构性心脏病成为可能，而且可以使用许多人已经拥有的设备。”

但研究人员承认该研究还存在一些局限性，例如结构性心脏病患者样本量较小，以及出现了一些假阳性结果。据介绍，该人工智能算法成功识别出结构性心脏病患者的准确率达到86%，在未患病的人群中，该算法排除疾病的准确率达到99%。

一位心脏病专家对第一财经记者表示，具备人工智能技术的可穿戴设备已经开始应用于一些心脏疾病的检测，例如房颤或心律失常等预警信号。而心力衰竭、心脏瓣膜疾病等属于“隐匿性心脏病”，人工智能增强型心电图算法在该领域若能发挥作用，将产生巨大的社会价值。

上述专家补充说，心电图无法检测出结构性心脏病。超声心动图利用超声波获取心脏图像，可用于明确诊断心脏瓣膜病、心肌病、肺动脉高压以及其他需要药物或手术治疗的心脏结构问题。

他还称，临床医生使用心电图+AI的分析结果，未来可以通过设定某一个阈值，将人工智能的专业心电图解读与临床医生更广泛、更多样化的知识相结合，来确定患者是否应该接受超声心动图检查，以尽量避免不必要的检查；此外，未来的心脏病风险预测可能会受益于多模态模型，例如整合胸部X光片、实验室检验结果和心电图等数据，对患者的风险进行更为全面的预测评估。

美国哥伦比亚大学欧文医学中心心脏病专家、纽约长老会医院人工智能医疗主任Pierre Elias认为，这些研究发现支持了人工智能在大规模扩大心脏病筛查覆盖面方面的潜力。“心电图+AI，可能开创一种全新的筛查模式。”他表示。

他同时指出，这种AI检测的方法也带来了一些挑战，例如此类模型的集成和采用的复杂性也大大增加；模型看似表现良好，但泛化能力较差等。针对这些挑战，都需要在临床使用的过程中进一步优化和完善。