人工智能（AI）算法与多款智能手表配备的单导联心电图（ECG）传感器相结合，成功检测出多种结构性心脏病（SHD），包括心脏泵血功能减弱、瓣膜损伤和心肌增厚。这项大规模多中心研究可能重塑心脏病筛查模式，使早期检测变得更为普及。
突破性发现：将日常可穿戴设备转化为诊断工具
耶鲁医学院研究人员利用来自11万余名成年人的26.6万余份传统12导联心电图记录开发并训练了该AI模型。随后通过巴西社区医院大型数据集和人群研究进行外部验证。在涉及600名智能手表用户的真实场景试验中，每位参与者在进行心脏超声检查前完成30秒心电图检测。AI系统达到86%的灵敏度和99%的阴性预测值，既能准确识别疾病，又能有效排除健康个体患病可能。
主要作者阿里亚·阿米诺罗亚博士解释道：
全球数以百万计人群佩戴智能手表，目前主要用于检测心律问题。本研究探索了这些设备能否更早发现潜在结构性心脏病，在引发严重并发症前进行干预。
资深作者罗汉·克埃拉博士补充道：
单独使用单导联心电图功能有限，但结合AI技术后，其筛查重大心脏疾病的效能达到前所未有的规模。
为何这对心脏健康具有革命性意义
结构性心脏病常隐匿发展，直至损伤加重才显现症状。诊断通常需依赖超声心动图检查，而该资源密集型检测在许多地区难以获取。耶鲁模型通过智能手表心电图数据，提供了低成本、可扩展且无创的早期检测方法，预示着预防心脏病学领域的潜在革命。
全球向AI驱动心脏筛查的转变
此前基于AI的心电图模型（如哥伦比亚大学的EchoNext算法）虽具潜力，但需医疗级心电图设备支持。耶鲁研究首次将AI模型与消费级可穿戴设备结合，并在医院和社区环境中完成验证。该发现与全球AI心脏筛查趋势相契合，从非洲心力衰竭预测研究到美国FDA批准的临床试验均在推进此方向。
局限性：临床推广前需解决的问题
尽管前景广阔，专家仍持谨慎态度。研究中确诊结构性心脏病的样本较少，阳性预测值需在多样化人群中充分验证。可穿戴设备的数据质量存在差异，AI模型需提升过滤真实世界噪声的能力。伦理问题同样突出：可穿戴设备收集的数据归属权如何界定？偶发异常结果应如何告知？算法预测的临床责任如何由监管机构确保？研究人员强调，该模型并非超声心动图的替代品，而是提示及时医疗评估的早期预警系统。
心脏监测未来：从设备到患者
后续步骤包括扩大试验规模至更广泛人群、将算法整合至商用智能手表平台，以及开发社区筛查项目。若成功实施，这项创新有望弥合全球医疗差距，使目前未获诊断的数百万心脏病患者实现早期确诊。
正如克埃拉博士所言：“我们的目标是将每份简易心电图转化为潜在的心脏病筛查机会，这将挽救无数生命。”
【全文结束】
