一项由人工智能（AI）驱动的新技术正在为常见且低成本的心脏检测带来变革性升级。
随着人工智能技术的发展，一种广泛使用且经济的心脏检测方法即将具备发现隐藏心脏疾病的能力。
结构性心脏病包括影响心脏功能的瓣膜缺陷和先天异常等病症，全球有数百万人受其影响。不幸的是，由于缺乏经济有效的筛查方法，这些疾病常常在造成严重损害之前未被察觉。
“我们有结肠镜检查和乳腺X光检查，但大多数心脏疾病却没有类似的筛查手段，”哥伦比亚大学瓦格洛斯内外科医生学院医学与生物医学信息学助理教授、纽约长老会医院人工智能医学主任皮埃尔·埃利亚斯（Pierre Elias）表示。
为弥补这一空白，埃利亚斯及其来自哥伦比亚大学和纽约长老会医院的研究团队开发了一种基于人工智能的工具，名为EchoNext。该系统通过分析标准心电图（ECG）数据，判断哪些患者需要进一步接受超声心动图（心脏超声）检查，这是一种无创成像技术，可揭示结构性心脏问题。
根据发表于《自然》（Nature）的一项研究显示，EchoNext通过心电图数据检测结构性心脏病的准确性优于心脏病专家，甚至优于使用AI辅助解释的心脏病专家。
“EchoNext基本上是利用更便宜的测试来判断谁需要更昂贵的超声检查，”领导该研究的埃利亚斯说。“它能从心电图中检测出心脏病专家无法识别的疾病。我们认为，心电图加上人工智能有可能创造一种全新的筛查范式。”
心血管筛查的下一步（EchoNext）
心电图是医疗系统中最常用的心脏检测方法。该测试通过测量心脏的电活动，通常用于检测心律失常、冠状动脉阻塞和既往心脏病发作。心电图价格低廉、无创，并且常用于治疗与结构性心脏病无关疾病的患者。
尽管心电图有其用途，但也存在局限性。“我们在医学院学到的知识告诉我们，无法从心电图中检测结构性心脏病，”埃利亚斯说。
心脏超声检查利用超声波获取心脏图像，可用于确诊瓣膜疾病、心肌病、肺动脉高压以及其他需要药物或手术治疗的结构性心脏问题。
EchoNext的设计目的是分析普通心电图数据，以确定何时需要进行心脏超声检查。该深度学习模型训练数据来自23万名患者的超过120万对心电图-心脏超声数据。在涵盖四个医院系统的验证研究中（包括多个纽约长老会医院分院），该筛查工具在识别结构性心脏问题方面表现出高准确性，包括因心肌病导致的心力衰竭、瓣膜疾病、肺动脉高压和严重心脏增厚等问题。
在与13名心脏病专家对比的3200份心电图测试中，EchoNext准确识别了77%的结构性心脏问题，而心脏病专家使用心电图数据的准确率为64%。
发现未被诊断的结构性心脏问题
为了测试该工具在现实世界中的表现，研究团队在近85,000名接受心电图检查但此前未进行心脏超声检查的患者中运行了EchoNext。该AI工具识别出超过7,500名（9%）高风险个体，可能患有未被诊断的结构性心脏病。研究人员随后在一年内跟踪这些患者，观察其中有多少人被确诊为结构性心脏病（由于患者医生未被告知EchoNext的部署，因此其诊断未受该工具预测结果影响）。
被EchoNext判定为高风险的个体中，有55%最终接受了首次心脏超声检查。其中近四分之三被确诊为结构性心脏病——这一阳性率是未使用AI辅助筛查的所有首次接受心脏超声检查人群的两倍。
在相同阳性率下，如果所有被EchoNext识别为高风险的患者都接受了心脏超声检查，大约有2,000名患者可能在更早阶段被确诊为潜在严重结构性心脏病。
“你无法治疗你不知道的病人，”埃利亚斯说。“使用我们的技术，我们或许可以将今年全球预计将进行的4亿次心电图检测转化为4亿次筛查结构性心脏病的机会，从而在最合适的时机提供可能挽救生命的治疗。”
下一步计划
埃利亚斯及其团队发布了一个去识别化数据集，以帮助其他医疗机构改进心脏病筛查。研究人员还启动了一项临床试验，在八个急诊科中测试EchoNext的表现。
参考文献：“Detecting structural heart disease from electrocardiograms using AI”，作者为Timothy J. Poterucha、Linyuan Jing、Ramon Pimentel Ricart等人，2025年7月16日发表于《自然》（Nature）。DOI: 10.1038/s41586-025-09227-0
资助机构包括美国国立卫生研究院（NIH）、淀粉样变性基金会（Amyloidosis Foundation）、美国心脏协会（AHA）、患者中心结果研究中心（PCORI）、魁北克健康研究基金会（FRSQ）、蒙特利尔心脏研究所研究中心、蒙特利尔心脏研究所基金会、纽约医学院等。
【全文结束】
