一项新研究表明，AI增强型超声心动图在检测结构性心脏病（SHD）方面显著优于心脏病专家，且在准确性和速度方面表现优异，这可能成为提高早期检测可及性并降低心力衰竭和瓣膜性心脏病诊断成本的重要一步。
这项发表在《Nature》上的研究1显示，人工智能（AI）增强型超声心动图成功检测结构性心脏病（SHD），并在实时分析中超越了心脏病专家的表现。
目前，像超声心动图（ECG）这样的影像工具因成本高和可及性差，成为SHD及相关疾病（如瓣膜性心脏病和心力衰竭）早期检测的障碍。此外，SHD每年在美国造成约1000亿美元的直接和间接医疗成本，专家预测这一数字将继续上升，从而加重疾病负担。然而，这项研究旨在开发一种深度学习ECG模型，能够准确检测多种SHD，并评估其在不同机构、患者人群和临床背景中的表现。
研究作者指出：“所有类型的SHD都可以通过超声心动图确诊，但成本、所需专业知识和合适的患者选择限制了其全面应用。因此，迫切需要更好地进行风险分层，以确定哪些患者应接受超声心动图检查，从而提高SHD的诊断和早期治疗率。”
该模型被命名为EchoNext，其训练数据集包括来自纽约长老会医院附属医院的230,318名18岁以上患者的1,245,273对ECG-超声心动图配对数据，数据收集时间为2008年12月至2022年。尽管研究记录了患者的年龄、性别和种族/民族等协变量，但模型表现未因这些因素而出现临床显著差异。此外，在模型训练前，数据集按患者层面划分为训练集（149,819名患者，796,816对ECG-超声心动图）、验证集（35,780名患者，35,780对）和测试集（44,719名患者，44,719对）。
SHD的存在依据临床ECG报告和指南标准，包括左心室射血分数（LVEF）≤45%、左心室壁最大厚度≥1.3厘米、中度或重度右心室功能障碍，以及肺动脉高压（肺动脉收缩压≥45 mmHg或三尖瓣反流速度≥3.2 m/s）。该模型还被训练为同时做出多项预测，以判断具体疾病是否存在、多项疾病是否存在相关性，并从预测中学习。模型在检测右心室功能障碍（AUROC 91%）和低左心室收缩功能（AUROC 90%）方面表现最佳。最低表现见于左心室壁厚度（AUROC 77%）、主动脉瓣反流（78%）、肺动脉瓣反流（79%）和心包积液（80%）。
此外，在与心脏病专家非AI辅助的ECG审查对比中，EchoNext在临床正常和异常ECG的审查中显著优于专家，准确率达到77%，而专家的准确率为69%和62%。然而，在AI辅助下，心脏病专家的审查准确率提升至69.2%（95% CI，66.9–71.4%），敏感性为64.7%（95% CI，60.9–68.3%），特异性为72.4%（95% CI，69.4–75.3%），但仍低于EchoNext模型的准确率77.3%、敏感性72.6%和特异性80.7%。
该研究的局限性在于种族代表性，89.4%的研究人群为白人，限制了结果的普适性。然而，在少数族裔亚群中，模型表现没有临床显著差异。此外，疾病标签基于临床医生对ECG报告的解读，可能存在未知偏见。
研究作者总结道：“这些数据共同展示了AI在已经广泛使用且易于获取的检测方法中进一步扩展临床和诊断应用的潜力。EchoNext在没有辅助的情况下表现显著优于心脏病专家，即使在AI辅助下也是如此，值得进一步探索。”
参考文献
Poterucha, T.J., Jing, L., Ricart, R.P. et al. Detecting structural heart disease from electrocardiograms using AI. Nature (2025).
Tsao CW, Aday AW, Almarzooq ZI, Anderson CAM, et.al; American Heart Association Council on Epidemiology and Prevention Statistics Committee and Stroke Statistics Subcommittee. Heart disease and stroke statistics-2023 update: a report from the American Heart Association. Circulation. 2023 Feb 21;147(8):e93-e621. doi:10.1161/CIR.0000000000001123
【全文结束】
