使用人工智能程序读取心电图可能减少结果的等待时间，并有助于更及时的医疗护理，这是在美国心脏协会2024年科学会议上（11月16日至18日在芝加哥举行）的一项最新科学研究中提出的。该会议是全球心血管科学最新科学进展、研究和基于证据的临床实践更新的主要交流平台。
在这项研究中，一种名为PanEcho的人工智能程序被测试其独立解释心电图视频的能力。心电图是一种心脏成像技术，使医生能够看到心脏结构和功能，用于诊断和治疗心脏疾病。
PanEcho建立在以前在心脏病学中使用的AI基础上，这些AI仅限于心脏的单个视图和特定疾病的评估标准。研究团队开发了一种新型AI系统，能够对任何一组心电图视频的所有主要发现进行全面报告。
“PanEcho有可能用于简化的AI辅助筛查心电图，”耶鲁大学医学院心血管数据科学（CarDS）实验室的研究员Gregory Holste（M.S.E.）表示。“在无法轻易获得专家解读的情况下，PanEcho可以迅速排除需要紧急转诊的异常情况。”
PanEcho的诊断性能通过诊断测试的标准准确性测量——受试者工作特征曲线下的面积（AUC）进行评估。100%准确的测试AUC为1，而无信息的测试（例如随机猜测）AUC为0.5。
研究发现：
- 当评估PanEcho在18个不同的诊断分类任务中的能力时，其平均得分为0.91。
- 在评估心室功能和结构时，PanEcho的准确性得分如下：
- 检测左心室增大（导致心脏泵血困难）的AUC为0.95。
- 识别左心室收缩功能障碍（降低心室向主动脉泵血的能力）的AUC为0.98。
- 检测左心室肥厚（心脏左泵腔增厚，可能无法有效泵血）的AUC为0.91。
- 识别右心室收缩功能障碍（降低心室向肺部泵血的能力）的AUC为0.93。
- 在诊断瓣膜疾病时，PanEcho的准确性得分如下：
- 识别严重主动脉狭窄（由于钙化导致心脏瓣膜血流受限）的AUC为0.99。
- 识别二尖瓣狭窄（左心房和左心室之间二尖瓣狭窄）的AUC为0.96。
- 识别中度或以上主动脉反流（主动脉瓣血液回流）的AUC为0.93。
- 识别中度或以上二尖瓣反流（二尖瓣血液逆流）的AUC为0.96。
PanEcho还评估了其估计连续心电图参数的能力，使用平均绝对误差作为衡量标准，即预测值与实际值之间的平均距离，距离越小，预测越准确。在21项任务中，PanEcho的中位归一化平均绝对误差为0.13。
PanEcho在量化左心室尺寸和功能方面的准确性包括：
- 估计左心室射血分数的平均绝对误差为4.4%。
- 估计左心室内间隔厚度的平均绝对误差为1.3毫米。
- 估计左心室后壁厚度的平均绝对误差为1.2毫米。
这些测量对于准确评估左心室结构和功能至关重要，这是心脏健康的重要方面。
“这项工作代表了心电图AI领域的进步，我们希望我们AI模型的公开发布将鼓励研究社区朝着灵活、多任务、多视角的心电图解读方法发展，”Holste补充道。
PanEcho受到其在先前获取数据中的回顾性验证的限制。下一步是在现实世界患者护理环境中前瞻性地验证其应用，以提供进一步的临床可行性见解，Holste说。“还需要评估其在急诊室和小型医疗诊所使用的便携式心电图机上的应用，这些地方有潜力通过AI工具产生最大的积极影响。”
研究背景、设计和细节：
- PanEcho使用了123万条包含多个视图的心电图视频，这些视频来自近34,000次经胸心电图检查，这些检查是在2016年至2022年间在耶鲁-纽黑文卫生系统医院（位于康涅狄格州的五个地点）或系统中的门诊诊所接受治疗的人群中进行的。该AI程序由耶鲁大学医学院的CarDS实验室开发。
- 心电图来自26,067名独特的个体，其常规护理包括这种成像。
- 大约52%的收集影像数据来自自我认定为男性的成年人。
- 参与影像收集的人员的平均年龄为67岁。
- 约80%的参与者被标注为白人，14.2%为黑人，1.8%为亚洲人，4.3%为其他种族。
(全文结束)
