使用人工智能程序来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。这一最新研究于11月16日在芝加哥举行的2024年美国心脏协会科学会议上公布。该会议于2024年11月16日至18日举行，是全球心血管科学领域最新科研进展、研究和基于证据的临床实践更新的重要交流平台。
在这项研究中，一个名为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，使医生能够观察心脏结构和功能，用于诊断和治疗心脏疾病。
PanEcho在此前的心脏病学AI应用基础上进行了改进，这些应用仅限于心脏的单个视图和特定疾病的判断标准。研究团队开发了一种新型AI系统，能够全面报告任何一组心电图视频的主要发现。
“PanEcho有可能用于简化、AI辅助的筛查心电图。”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，“在缺乏专家解读的情况下，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指标——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，而无信息测试（例如随机猜测）的AUC为0.5。
研究发现：
- 当PanEcho在18个不同的诊断分类任务中进行评估时，其平均得分为0.91。
- 在评估心室功能和结构时，PanEcho的准确度得分如下：
- 检测左心室增大（使心脏泵血困难）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能力）的AUC为0.98。
- 检测左心室肥厚（左心室壁增厚，可能导致泵血效率下降）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能力）的AUC为0.93。
- 在诊断瓣膜疾病时，PanEcho的准确度得分如下：
- 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的二尖瓣狭窄）的AUC为0.96。
- 识别中度或更严重的主动脉反流（主动脉瓣血液回流）的AUC为0.93。
- 识别中度或更严重的二尖瓣反流（二尖瓣血液回流）的AUC为0.96。
PanEcho还对其估计连续心电图参数的能力进行了评估，使用平均绝对误差（MAE）作为衡量标准，即预测值与实际值之间平均距离的测量，距离越小，预测越准确。在21个任务中，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表现如下：
- 估计左心室射血分数时的平均绝对误差为4.4%。
- 估计左心室内间隔厚度时的平均绝对误差为1.3毫米。
- 估计左心室后壁厚度时的平均绝对误差为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，这是心脏健康的一个重要方面。
“这项工作代表了心电图AI技术的进步，我们希望公开发布我们的AI模型能鼓励研究社区朝着灵活、多任务、多视图的心电图解读方法发展。”Holste补充道。
PanEcho目前受到其在先前采集数据中回顾性验证的限制。下一步是在现实世界的患者护理环境中前瞻性验证其应用，以提供进一步的临床可行性见解，Holste表示。“它还需要在急诊室和小型诊所使用的便携式心电图机上进行评估，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123万段多视角的心电图视频，这些视频来自近34000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（康涅狄格州五个地点）或其门诊诊所接受治疗的人群中进行的。AI程序由耶鲁大学医学院的CarDS实验室开发。
- 心电图来自26067名独特个体，这些个体的常规护理包括这种成像。
- 大约52%的成像数据来自自我认同为男性的成年人。
- 参与者的平均年龄为67岁。
- 大约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)
