一项发表在《柳叶刀》杂志的大规模临床试验表明，AI赋能的听诊器能显著提升初级医疗环境中对心力衰竭和心律失常等严重心脏疾病的早期诊断能力。这项涉及英国150多万患者的研究发现，该技术使心力衰竭新病例检出率提升近两倍，心律失常检出率达常规方法的三倍。研究人员指出，尽管算法准确性良好，但实际临床效益取决于与医疗工作流程的恰当整合以及医生的持续参与。许多诊所报告称，由于操作步骤增加和电子健康记录系统兼容性问题，该设备的使用率随时间推移而下降。
西班牙研究团队发现，AI听诊器帮助初级医疗诊所医生识别出心力衰竭、心律失常和瓣膜疾病等严重心脏疾病的早期迹象。研究显示，该技术应用使这些心血管疾病的检出速度显著加快且频率更高——心力衰竭新病例检出率近两倍，心律失常检出率达三倍，表明设备性能优异。
西班牙圣地亚哥-德孔波斯特拉大学的通讯作者塞尔吉奥·辛萨-桑胡尔霍表示："初级医疗面临日益增长的工作量和有限资源，使其成为人工智能效率提升的理想应用场景。人工智能通过决策支持系统或影像分析提升诊断准确性的潜力显而易见，但将这些工具整合到初级医疗工作流程中仍具挑战性。"
TRICORDER试验是首个国家级临床AI技术整群随机对照实施试验，涵盖205家英国国家医疗服务体系全科诊所及150多万注册患者。该AI听诊器在常规诊疗中集成三种算法，用于检测心力衰竭、心律失常和瓣膜疾病。在为期12个月的研究期间，医生完成了近1.3万次AI辅助心脏检查。
尽管整体心力衰竭检出率在两组间相似（AI组1342例新病例，常规护理组1984例），但亚组分析显示，使用AI听诊器检查的患者检出率显著高于未使用该设备的患者。试验表明，智能听诊器等AI工具可帮助医生在常规诊疗中更早发现心脏问题，但前提是必须与日常临床操作深度整合。
尽管算法准确性高，实际效益仍高度依赖医生参与度和工作流程整合。许多诊所报告称，因常规工作步骤增加及电子健康记录系统整合有限，AI听诊器使用率随时间下降。
【全文结束】
