一项初步研究表明，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）算法能够准确诊断结构性心脏病，如泵血能力减弱、瓣膜损伤或心肌增厚。该研究将在2025年美国心脏协会科学会议期间展示。此次会议将于11月7日至10日在新奥尔良举行，是心血管科学领域最新科学进展、研究和循证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，表明AI算法能够基于智能手表背面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测试，不广泛用于常规筛查。在我们的研究中，我们探索了人们每天佩戴的同一款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，在它们进展为严重并发症或心脏事件之前。"耶鲁纽黑文医院内科住院医师、耶鲁医学院心血管数据科学（CarDS）实验室研究助理阿里亚·阿米诺罗亚（Arya Aminorroaya）博士说。
研究人员使用来自11万多成人的超过26.6万份12导联心电图记录开发了AI算法。基于这一数据资料库，他们开发了一种算法，能够从可使用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，研究人员仅隔离了心电图12导联中的一个导联，这类似于智能手表上的单导联心电图。他们还考虑了使用真实世界智能手表记录单导联心电图时可能出现的心电图信号随机干扰或"噪声"。然后，AI模型使用来自社区医院就诊人员的数据以及来自巴西的一项基于人群的研究数据进行了外部验证。接着，他们前瞻性招募了600名参与者，使用智能手表进行30秒单导联心电图检查，以衡量该算法在真实世界环境中的准确性。
分析发现：
- 使用从医院设备获取的单导联心电图，AI模型在区分有和无结构性心脏病的人群方面非常有效，在标准性能评分中获得92分（100分为完美）。
- 在600名使用智能手表获取单导联心电图的参与者中，AI模型在检测结构性心脏病方面的性能保持在88%的高水平。
- AI算法准确识别了大多数心脏病患者（86%的敏感性），并且在排除心脏病方面高度准确（99%的阴性预测值）。
"单凭单导联心电图是有限的；它无法替代医疗机构可用的12导联心电图测试。然而，借助AI，它变得足够强大，可以筛查重要的心脏状况，"该研究的高级作者、心血管数据科学（CarDS）实验室主任罗汉·克埃拉（Rohan Khera）博士说。"这可以使使用许多人已经拥有的设备大规模进行结构性心脏病早期筛查成为可能。"
研究背景、细节和设计：
- 研究人员使用了2015年至2023年间在耶鲁纽黑文医院接受测试和治疗的110,006名患者的266,054份心电图数据库，开发了AI-ECG算法，用于从单导联心电图检测结构性心脏病。
- 该算法与心脏超声扫描相匹配，以确定受试者是否有结构性心脏病。
- AI模型随后在四家社区医院就诊的44,591名成年人和基于人群的ELSA-Brasil研究的3,014名参与者中得到验证。巴西成人健康纵向研究（ELSA-Brasil）收集了有关慢性疾病如何发展和进展的重要信息，主要关注心血管疾病和糖尿病。
- 为了让AI模型准备好解释来自真实世界的单导联心电图信号，研究人员在模型训练中添加了一些"噪声"——可以将其视为模糊或静态。这一小调整帮助AI在处理不完美的信号时变得更有弹性、更可靠，即使数据不够清晰，也能更好地发现结构性心脏病。
- 在真实世界前瞻性研究中，600名患者在进行心脏超声检查的同一天，佩戴同一类型的带有单导联心电图传感器的智能手表30秒。
- 参与者的中位年龄为62岁，约一半是女性，44%是非西班牙裔白人，15%是非西班牙裔黑人，7%是西班牙裔，1%是亚裔，33%是其他族裔。约5%在心脏超声检查中发现患有结构性心脏病。
研究的局限性包括前瞻性研究中实际患病患者数量较少以及假阳性结果的数量。
"我们计划在更广泛的环境中评估AI工具，并探索如何将其整合到基于社区的心脏病筛查项目中，以评估其对改善预防性护理的潜在影响，"阿米诺罗亚说。
【全文结束】
