纽约——最新研究表明，能够反映收缩和舒张功能障碍的人工智能心电图（AI-ECG）工具可以识别那些可能从超声心动图进行确诊评估中受益的结构性心脏病（SHD）患者。
此外，基于这些模型检测结果呈阳性的个体在6年随访期内发展为新发结构性心脏病的可能性比阴性个体高2.75至3.75倍，首尔医学人工智能公司（Medical AI）和富川世宗医学研究所（Sejong Medical Research Institute）的李赫成博士（Hak Seung Lee）最近在2026年纽约瓣膜大会（New York Valves 2026）上报告称。
李赫成表示，这种复合AI-ECG工具（整合了左心室收缩功能障碍和左心室舒张功能障碍信息，即AiTiALVSD和AiTiALVDD；Medical AI开发）"能够检测现有结构性心脏病，并预测跨国队列中新发结构性心脏病的发生"，他补充说"该工具在不同表型和人群中的表现一致，筛查效率高"。
李赫成指出，当前研究"可以支持AI-ECG作为一种可部署的、广泛的心血管筛查工具"，适用于比模型最初训练检测范围更广泛的疾病。
捕捉完整的SHD谱系
李赫成表示，尽管结构性心脏病是心力衰竭和死亡的主要原因，但经常被漏诊，他指出"超声心动图是确诊手段，但成本高且获取受限"。
AI-ECG已被证明具有检测结构性心脏病迹象的能力，在这项研究中，李赫成及其同事评估了AiTiALVSD模型（训练用于检测LVEF < 40%）和AiTiALVDD模型（训练用于检测间隔E/e' > 15），以及它们的组合，对识别现有疾病和预测未来SHD发展的能力。这两个模型均已获得监管批准，并已在韩国临床部署。
此前，一项使用整合LVSD和LVDD模型的AI-ECG评分的分析显示，在三项大型美国队列研究中，复合检测呈阳性（即两个模型中任一呈阳性）的个体发生心力衰竭的风险大约高出20倍。该工具在风险预测方面也优于PREVENT-HF方程。
在当前研究中，研究人员评估了类似方法是否可以推广到结构性心脏病的全谱系。在此分析中，结构性心脏病包括通过超声心动图检测到的以下任何一种情况：LVEF < 50%、瓣膜性心脏病（中度或重度狭窄或反流）、左心室肥厚和肺动脉高压。
这项回顾性分析包括来自三个队列的个体：
- 46,082名来自韩国富川世宗医院（Incheon Sejong Hospital, ISH）
- 36,286名来自纽约哥伦比亚大学欧文医学中心（Columbia University Irving Medical Center, CUIMC）
- 41,226名来自英国生物样本库（UK Biobank）
结构性心脏病在ISH队列中的患病率为12.7%，在CUIMC队列中为43.6%。复合AI-ECG评分在两个队列中检测的敏感度分别为71.8%和76.1%，对研究中评估的四种SHD类型均有类似结果。
"该信号可以捕捉结构性心脏病的全谱系，"李赫成说，并补充说LVSD和LVDD信号是互补的。LVSD模型与降低的LVEF相关性更强，而LVDD模型与其他三种SHD类型的关联更为紧密。
当研究AI-ECG评分与6年随访期内发展为新发结构性心脏病风险的关系时，研究人员发现，与复合检测呈阴性的个体相比，ISH队列中复合检测呈阳性的个体发生新发疾病的风险高3.75倍，英国生物样本库中则高2.75倍。
"这种技术在影像学和专科医生资源有限的地方最有价值，"李赫成说，"我们使用了现有的二进制模型输出，可立即部署到临床工作流程中，无需针对特定地点进行调整。"
然而，他承认该研究受到回顾性设计的限制，强调需要前瞻性验证。此外，他表示新发结构性心脏病并非按照方案驱动的影像学时间表捕获，可能导致监测偏差，并且复合AI-ECG评分提供的是筛查信号，而非疾病严重程度或阶段的测量指标。
"释放ECG的潜力"
讨论者、荷兰奈梅亨拉德伯德大学医学中心（Radboud University Medical Center）的Niels van Royen博士指出，在临床实践中获取的绝大多数心电图并未得到充分利用。"借助AI，我们真正可以释放这些数百万心电图的潜力，"他补充说，"这很好，同时也要认识到这并非魔法，也不是巫术——背后是纯粹的计算能力。"
van Royen表示，将LVSD和LVDD模型结合起来"很有意义，因为这些模型的结果是相同的。即，我是否需要做超声心动图，是或否？……如果结果呈阳性，那么就进行超声心动图检查。"
"我们需要作为医学界进行大量深入且有意义的讨论，才能以正确的方式实施这一技术，"van Royen说。
然而，他补充说，AI-ECG模型检测结构性心脏病的敏感度"还可以"，"但仍有大量漏诊病例的空间。这是我们必须面对的问题。"
van Royen还指出，关于AI-ECG如何在实践中实施也存在问题。"讨论经常是，'如果我不使用AI，作为医生我会承担责任吗？'事实上，在某些情况下，包括本例，模型的表现优于医生，"他说，"但反过来，如果您的模型做出错误判断，谁负责？"
"总体而言，这些是非常令人兴奋的数据，这肯定会改变我们的临床实践，"van Royen说，"但我们需要作为医学界进行大量深入且有意义的讨论，才能以正确的方式实施这一技术。"
李赫成表示，需要更多来自前瞻性试验和评估AI-ECG对临床工作流程影响的研究数据，并补充说他的团队正在准备在美国和韩国进行随机对照试验。
【全文结束】