新研究发现AI支持的测试可在患者出现症状前识别心血管疾病

AI-supported test identifies cardiovascular disease before patients show symptoms, new research find

新研究评估了一种利用AI算法来确定患者是否患有心血管疾病的测试，该测试可能有助于加强社区对高风险个体的筛查，并减少医院等待时间。

这项研究由萨福克大学访问教授西蒙·鲁德兰博士、桑德韦尔和西伯明翰NHS信托基金顾问心脏病专家尼萨尔·沙阿博士以及伍尔弗汉普顿大学的艾伦·内维尔教授共同开展。他们评估了在德国开发的一种名为Cardisio™的测试，该测试使用基于云的人工智能算法来解读心脏活动。

这种10分钟的测试使用五个电极（四个在胸部，一个在背部）来监测心脏活动，Cardisio™测试会返回绿色、琥珀色或红色的结果。该技术测量心脏的三维电活动，而不是传统的二维心电图，并使用AI准确解释数据。这包括测量心脏的节律、结构和心肌灌注。

心血管疾病——影响心脏或血管并导致心脏病发作、异常心律和心力衰竭的疾病——不成比例地影响难以接触的个体，并可能导致长期健康状况或死亡。这项34万英镑的研究由SBRI（小型企业研究计划）和Cardisio™资助，旨在评估该测试是否能识别无症状的心血管疾病，并确定在社区而非医院环境中进行测试是否能减少健康不平等。

该测试于2023年8月至2024年2月期间在西米德兰兹郡的三个种族多样化的地区进行——汉兹沃思的一个全科医生诊所、达德利附近的一家药店和昆顿的一个社区健康中心，考虑的对象是18岁及以上且被认为有心血管疾病风险的无症状个体。

研究包括了患者在测试前后填写的问卷，以反馈他们的体验，同时结果也由一位独立的顾问心脏病专家进行了审查。研究共进行了628次单独测试，顾问心脏病专家报告称，红色Cardisio™测试结果与需要转诊到心脏病诊所之间存在强关联。

数据显示，在顾问心脏病专家的意见下，阳性预测准确性为80%，阴性预测准确性为90.4%。根据研究结果，不到2%的测试失败。此外，87.5%的参与者推荐该测试。

研究作者得出结论，该测试“使高风险、难以接触的个体能够接受比传统12导联心电图更有效的基础心血管疾病检测”。研究论文发表在《BJGP开放期刊》上。

鲁德兰博士是该研究的主要作者，也是萨福克GP联合会董事会成员，他表示，AI可以分析大量人类无法解释的数据。目前，医疗专业人员必须解释心电图测试的结果，这是一个棘手的过程，而Cardisio™测试则提供了更清晰的答案，并且基于更多的数据，具有更高的准确性。

该测试可能提供一种在社区医疗环境中进行更准确测试的方法，确保正确的患者被转诊给医院的心脏病专家，从而帮助减少整体等待时间。它还有潜力改善那些难以接触的人群（如农村社区和种族多样化的社区）的获取途径。

鲁德兰博士说：“这只是初步阶段，我们需要对更多患者进行进一步的工作来完善算法，但这是一项令人兴奋的测试。使用数字技术来支持患者的诊断有可能真正改变护理路径，帮助做出更合适或更具体的转诊，以及在初级保健环境中启动治疗，而不是将患者列入等待名单，并确定哪些患者需要转诊到医院。”

目前正在进行对话，希望在萨福克或北埃塞克斯地区对女性进行试点——这是另一个传统上难以早期诊断且表现形式可能与男性不同的群体。

伍尔弗汉普顿大学的艾伦·内维尔教授说：“我们认为这项研究的影响是巨大的。这意味着严重的疾病可以迅速被检测出来，同时也减轻了全球过度劳累的医生的工作负担。能在过去两年中参与这项研究是一种荣幸。”

要阅读完整的研究结果，请访问《BJGP开放期刊》网站：社区基础的心血管风险评估使用Cardisio™ AI测试：前瞻性队列研究 | BJGP开放期刊

(全文结束)