一项发表于《欧洲心脏杂志》的研究发现，一种人工智能（AI）算法能够通过心电图（EKG）检测心脏结构的早期变化，从而预测哪些患者可能在多年后发展为严重的心脏问题。EKG是一种常见的用于显示心脏电活动的检查方法。
这种先进的算法能够在症状或超声波扫描可检测到的物理变化出现之前，就识别出心脏瓣膜的问题——这些瓣膜负责确保血液在心脏腔室之间朝正确方向流动。
人工智能能够准确预测谁会发展为心脏二尖瓣、三尖瓣或主动脉瓣显著反流——即所谓的反流性瓣膜性心脏病。在EKG检查之后的几年内，AI能以约69%-79%的准确率正确识别出从高风险到低风险的患者。
被该算法标记为“高风险”的人群，发展为这些疾病的可能性是低风险人群的10倍。
来自帝国理工学院和帝国理工医疗NHS信托基金的研究团队表示，这种人工智能增强的预测方式可能会彻底改变医生对心脏瓣膜疾病的治疗方式。
据估计，全球有4100万人，包括英国的150万人，患有此类心脏瓣膜疾病，这些疾病可能导致心力衰竭、住院甚至死亡。早期诊断对于成功治疗至关重要。然而，这些疾病的症状，如气短、头晕、疲劳和心悸，很容易与其他疾病混淆，而有些患者直到疾病晚期才表现出症状。
更早的检测
研究负责人之一、帝国理工学院国家心肺研究所的学术临床讲师兼帝国理工医疗NHS信托基金的心脏病注册医生Arunashis Sau博士表示：“我们的心脏是一个极其复杂且勤劳的器官，但除非出了问题，我们很少真正关注它。当症状和心脏结构变化出现时，往往已经太迟，无法采取有效干预措施。”
“我们的研究正在利用人工智能从一项简单而常见的检查中检测出最早期的细微变化，我们认为这将对医生和患者产生变革性影响。我们不必等到症状出现，也不必依赖昂贵且耗时的影像学检查，而是可以通过人工智能增强的心电图比以往任何时候都更早地发现高风险人群。”
这项研究是帝国理工学院Sau博士和Fu Siong Ng博士领导的国际合作项目的一部分，并涉及位于上海中山医院的研究人员。研究人员使用来自中国超过40万名患者的近100万份心电图和心脏超声图（超声心动图）记录来训练人工智能模型。随后，该技术在美国34000多名患者中进行了测试，结果显示其在不同种族和医疗体系中均表现出色。
心脏瓣膜问题可能首先表现为医生无法察觉的微小心脏电活动变化。这些电活动变化会逐渐变大，但此时症状往往已经出现。人工智能系统可以更早地检测到这些细微的电活动模式，有望在症状完全出现之前就做出判断。
该研究的资深作者、帝国理工学院国家心肺研究所心脏电生理学副教授兼帝国理工医疗NHS信托基金和切尔西及威斯敏斯特医院NHS基金会信托基金顾问心脏病专家Ng博士表示：
“人工智能在全球医疗保健领域具有巨大潜力，但它需要大量数据来训练和测试这些算法。我们的研究正是这一快速发展的领域中国际合作的典范。通过在一个几乎完全由中国人群的数据上训练模型，然后在美国队列中进行测试，我们展示了这款AI工具在全球不同国家和环境中的应用潜力。这意味着它最终可以帮助更多患者。”
持续研究
这项研究延续了该团队之前开发的AI-EKG风险评估模型（名为AIRE）的工作，该模型也可通过心电图预测患者疾病的发生和恶化风险。该项目的其他AI模型已被训练用于分析心电图，以预测女性心脏病风险、包括早逝在内的健康风险、高血压和2型糖尿病等疾病。
更多信息：Yixiu Liang等，《人工智能增强的心电图预测反流性瓣膜性心脏病：一项国际研究》，《欧洲心脏杂志》（2025年）。DOI：10.1093/eurheartj/ehaf448
期刊信息：《欧洲心脏杂志》
提供单位：帝国理工学院
【全文结束】
