一项利用人工智能算法通过心电图诊断心力衰竭的技术在肯尼亚试验中展现出作为筛查工具的潜力。
撒哈拉以南非洲地区心力衰竭负担尤为沉重，患者往往在更年轻时发病且预后更差——风险因素的流行率持续上升。左心室收缩功能障碍（LVSD）的早期检测有助于预防和治疗，但在医疗资源有限、超声心动图和利钠肽生物标志物获取受限的地区，这一直是个挑战。
"在撒哈拉以南非洲，许多患者就诊时间过晚，心力衰竭首次发作即可能致命，因此早期诊断和筛查对这一地区尤为重要，"达拉斯德克萨斯大学西南医学中心的心脏病专家阿姆巴里什·潘迪博士表示。
已证明能准确诊断LVSD的人工智能增强型心电图模型可助力此类筛查。但这些模型主要基于高收入国家数据训练和测试，需在其他环境中验证其有效性。
因此，潘迪及其同事在八家医院的患者中开展了一项前瞻性试验，将该算法与超声心动图这一金标准进行对比。相关成果发表于《美国医学会心脏病学子刊》。
经济实惠且可扩展的模型
在1444名同时接受心电图和超声心动图检查的参与者中，14.1%被检出LVSD。该人工智能算法的灵敏度达95.6%，特异度79.4%，阳性预测值43.2%，阴性预测值99.1%，受试者工作特征曲线下面积为0.96。
这意味着阴性心电图结果具有高度可信度，而阳性结果应结合其他风险评分，必要时通过超声心动图确认。潘迪认为该技术在低收入国家具有广阔的临床应用前景。
"心电图是一种相当经济且可扩展的筛查模式，我们使用的AI-心电图模型已得到充分验证，因此在筛查和识别高风险患者方面具有即时推广潜力，这些患者可及早开始有效治疗，"他表示。
新型分诊工具？
伦敦帝国理工学院心脏病专家傅松恭博士（音译）是同期刊发社论的合著者，他表示通过此类前瞻性研究在各种环境中验证AI-心电图模型的潜力至关重要，以确保其可靠性。即便在此案例中，检出的高疾病负担也意味着这些结果可能无法推广至肯尼亚以外地区。
在模型得到充分验证的情况下，傅博士预计它们将首先作为分诊工具，用于确定在检测能力有限时哪些患者应接受进一步检查。"您可以优先安排最急需紧急检测的患者，"他说。
潘迪表示，下一步将跟踪研究早期诊断或早期识别如何在肯尼亚改善疾病管理。
"这不仅关乎为患者提供诊断，更要为他们提供管理疾病的资源，并及早启动治疗，"他表示。"因此我们的下一个目标是让这些患者接受有效治疗，并验证早期检测和治疗能否改善预后。"
潘迪报告称从Medical AI、Tricog和Ultromics获得咨询费。傅博士报告拥有人工智能增强心电图的待批专利，并是Cardiovolt.ai的联合创始人。
布莱恩·欧文斯是加拿大新不伦瑞克省的自由撰稿记者。
【全文结束】