AI工具通过智能手表成功检测结构性心脏病AI Tool Flags Heart Disease via Smartwatch | Mirage News

环球医讯 / AI与医疗健康来源:www.miragenews.com美国 - 英语2025-11-04 13:17:34 - 阅读时长5分钟 - 2205字
美国心脏协会发布的一项初步研究表明,人工智能算法结合智能手表的单导联心电图传感器能够准确诊断结构性心脏病,包括泵血功能减弱、瓣膜损伤和心肌增厚等问题;研究团队利用超过26.6万份心电图数据开发该AI工具,并在600名真实用户中验证其准确率达88%,敏感性达86%且阴性预测值高达99%;这一突破有望利用普及的智能设备实现结构性心脏病的大规模早期筛查,使诊断更便捷可及,有助于在病情发展为严重并发症前及时干预,对心血管疾病预防和公共健康管理具有重大意义,尤其解决当前超声心动图等专业设备稀缺的筛查瓶颈。
AI工具智能手表结构性心脏病单导联心电图筛查心脏健康算法开发疾病检测早期诊断心脏护理
AI工具通过智能手表成功检测结构性心脏病

美国心脏协会

研究亮点:

  • 人工智能(AI)工具利用智能手表背部和数字表冠的电心脏传感器捕捉的单导联心电图检测出结构性心脏问题。
  • 该AI算法已在600名成年人的智能手表单导联心电图上进行了测试,准确识别了诸如泵血功能减弱、瓣膜损伤或心肌增厚等结构性心脏病。
  • 配备单导联心电图传感器的智能手表与本研究开发的此类AI工具配对,可使结构性心脏病的筛查更便捷且普及化。
  • 注:本新闻稿中介绍的研究为研究摘要。在美国心脏协会科学会议上展示的摘要未经同行评审,其发现被视为初步结果,需待发表于同行评审科学期刊的完整论文后方为定论。

美国中部时间11月3日(星期一)凌晨4点/东部时间凌晨5点前禁止发布

达拉斯,2025年11月3日——根据一项将在2025年美国心脏协会科学会议(Scientific Sessions 2025)上展示的初步研究,与智能手表上的单导联心电图(ECG)传感器配对的人工智能(AI)算法准确诊断了结构性心脏病,例如泵血功能减弱、瓣膜损伤或心肌增厚。该会议将于11月7-10日在新奥尔良举行,是心血管科学领域最新科学进展、研究和基于证据的临床实践更新的全球顶级交流平台。

研究人员表示,这是首个前瞻性研究,证实AI算法可根据智能手表背部和数字表冠上的单导联ECG传感器测量结果检测多种结构性心脏病。

"数百万人佩戴智能手表,目前它们主要用于检测心房颤动等心律问题。而结构性心脏病通常通过超声心动图发现,这是一种需要特殊设备的高级心脏超声成像检查,不广泛用于常规筛查,"研究作者、康涅狄格州(Connecticut)纽黑文耶鲁医学院心血管数据科学实验室(CarDS Lab)的研究人员、耶鲁纽黑文医院(Yale New Haven Hospital)内科住院医师Arya Aminorroaya博士表示。"在我们的研究中,我们探索了人们日常佩戴的智能手表是否也能帮助更早发现这些隐藏的结构性心脏病,防止其发展为严重并发症或心脏事件。"

研究人员利用来自11万余名成年人的26.6万多份12导联心电图记录开发了AI算法。基于这一数据集,他们开发了一种算法,能够从智能手表传感器获取的单导联心电图中识别结构性心脏病。为此,研究人员仅提取心电图12个导联中的一个,以模拟智能手表的单导联心电图模式。他们还针对使用真实智能手表记录单导联心电图时可能出现的信号随机干扰或"噪声"进行了校正。该AI模型随后使用社区医院求医者数据及巴西一项基于人群的研究数据进行了外部验证。研究团队前瞻性招募600名参与者,通过智能手表进行30秒单导联心电图检测,以评估算法在真实环境中的准确性。

分析结果表明:

  • 使用医院设备获取的单导联心电图,AI模型在区分有无结构性心脏病的人群方面表现优异,在标准性能评分中达到92%(100%为完美)。
  • 在600名使用智能手表获取单导联心电图的参与者中,AI模型检测结构性心脏病的准确率保持在88%。
  • AI算法对心脏病患者的识别准确率达86%(敏感性),且排除心脏病的可靠性高达99%(阴性预测值)。

"单导联心电图本身功能有限,无法替代医疗环境中的12导联心电图检查。但借助AI,它具备了筛查重要心脏疾病的强大能力,"该研究高级作者、心血管数据科学实验室(CarDS Lab)主任Rohan Khera博士表示。"这可能使利用普及设备进行结构性心脏病的大规模早期筛查成为现实。"

研究背景、细节与设计:

  • 研究人员调用2015至2023年间在耶鲁纽黑文医院(Yale New Haven Hospital)接受诊疗的110,006名患者的266,054份心电图数据库,开发出从单导联心电图检测结构性心脏病的AI-ECG算法。
  • 算法与心脏超声扫描结果匹配,以确认是否存在结构性心脏病。
  • 该AI模型在四家社区医院求医的44,591名成年人及巴西成人健康纵向研究(ELSA-Brasil)的3,014名参与者中完成验证。巴西成人健康纵向研究(ELSA-Brasil)聚焦心血管疾病与糖尿病等慢性病的发展进程。
  • 为提升模型对真实世界信号的适应性,研究人员在训练中加入"噪声"模拟信号干扰,使AI在数据不完美时仍能稳定识别结构性心脏病。
  • 在真实世界前瞻性研究中,600名患者于心脏超声检查当日佩戴同款单导联心电图智能手表30秒。
  • 参与者中位年龄62岁,约半数为女性;族裔分布为44%非西班牙裔白人、15%非西班牙裔黑人、7%西班牙裔、1%亚裔及33%其他;约5%经心脏超声确诊结构性心脏病。

研究局限性包括前瞻性样本中实际患者数量较少及假阳性结果存在。

"Aminorroaya表示:"我们计划在更广泛场景中评估该AI工具,并探索其整合至社区心脏病筛查项目的可行性,以验证其对提升预防性护理的潜在价值。"

共同作者、披露信息及资金来源详见研究摘要。

在美国心脏协会科学会议上提出的研究所做的陈述和结论 solely 属于研究作者,不代表协会的政策或立场。协会对其准确性或可靠性不作任何保证。会议摘要未经同行评审,由独立评审小组基于其对科学议题多样性的贡献潜力进行筛选,相关发现需待发表于同行评审期刊的完整论文后方为最终结论。

【全文结束】

大健康
大健康