智能系统有助于早期识别心脏疾病。我们采访了心脏病专家菲利普·布雷特比尔特(Philipp Breitbart)博士，探讨了这一技术的机遇与局限。
数字化正在快速改变心脏病学领域——从连续心电图监测、可穿戴设备到AI支持的复杂数据集诊断。智能系统的潜力在心脏医学中尤为明显。它们能够检测心电图中的模式，识别心律失常的早期预警信号，或自动分析患者数据。
德国心脏病学会表示："远程医疗和数字化能够更高效地利用医疗资源，并从长远来看降低成本。例如，早期干预更容易预防继发性疾病和中风，从而减少昂贵的住院时间和急性治疗。"可穿戴设备、智能植入物和远程医疗平台开辟了监测和早期检测的新途径——同时减轻了住院护理的负担。
心脏病学教授菲利普·布雷特比尔特是青年德国心脏病学会(Young DGK)的发言人，同时也积极参与数字化领域的工作。
这一发展的最新实例之一是AI支持的听诊器，最近在马德里的一次会议上展示。在这次采访中，心脏病专家菲利普·布雷特比尔特博士解释了这项技术的实用价值所在。他对当前研究结果进行了分类，讨论了数字设备在实际应用中的接受度，并解释了为什么只有将AI合理地整合到现有结构中，才能真正创造附加价值。
最近在马德里展示的AI支持听诊器研究是关于什么的？
研究的问题是，AI支持的听诊器是否能更可靠地用于检测心脏功能不全、瓣膜性心脏病或心律失常。一些涉及超过10,000名患者的研究表明：根据具体病症，该设备的诊断率比纯手动检查高出两到三倍。
该听诊器同时记录了心电图，数据得到了系统分析。然而，值得注意的是存在一定比例的假阳性结果，即被诊断患有某种疾病但后来未被证实的患者。这是AI支持医学中的一个根本性问题。
AI在识别常见模式方面很强大。但在边缘区域——这正是医学中我们经常遇到的情况——它存在弱点。正是因为疾病在不同人身上发展方式差异很大，才导致了不确定性。实际上健康的患者因此感到不安。另一方面，研究表明，如果疾病确实存在，听诊器能够以高灵敏度检测到它。
在随机对照研究中，一些诊所获得了AI听诊器。结果显示，使用率最初相当高，但随着时间推移显著下降。能够将结果直接输入诊所系统这一点特别受到好评——这节省了工作量并提高了接受度。然而，不应忘记的是，这项研究尚未经过同行评审。会议上仅展示了海报。
您是否认为这类听诊器会在日常心脏病学实践中实际应用？
不会。在心脏病学中，我们的标准诊断已经是心电图和超声心动图 anyway。在我拿起听诊器之前，我通常已经完成了心脏超声检查，而后者更有意义。
我认为全科医生诊疗可能是一个应用领域。全科医生(GP)充当把关人；他们决定是否需要进行心脏病学检查。这类设备可能有助于他们获得早期迹象。然而，高比例的假阳性病例仍然是一个问题，类似于智能手表，它们对心房颤动的检测非常敏感，但并非总是特异性很高。
为什么这项技术对医疗系统仍然具有吸引力？
因为早期检测几乎总是比晚期治疗更便宜。如果我更早诊断出心力衰竭或心律失常，我可以在门诊基础上开始治疗，避免住院。这节省了成本并防止更糟糕的结果。
其他例子也是如此，例如CT支持的心脏筛查：AI分析可以早期检测斑块并预防心脏病发作。最终，这比后来资助复杂干预措施的成本更低。
然而，在德国，人们似乎更加犹豫。这是为什么？
一个原因是医疗结构。在德国，我们的医疗体系高度专业化：家庭医生会将你转介给心脏病专家，那里可以立即进行超声和心电图检查。在其他国家，这些设备并非随处可用——这正是AI听诊器能够提供真正附加价值的地方。
另一方面，问题是听诊器在日常生活中使用的频率。超声在日常心脏病学实践中是标准配置。全科医生也面临时间压力。详细聆听每位患者几乎不现实。这种听诊器将非常适合基础设施较少的地区：农村地区、发展中国家或与专科医生距离较远的地方。但目前的引入主要发生在医疗条件良好的国家。在这些地方，额外收益较小。
目前大多数可用的AI听诊器也是基于云的。这意味着图像不是在本地评估，而是上传到服务器进行分析，然后返回结果。这带来几个挑战。首先是数据保护。医疗数据特别敏感，一旦传输，必须对存储位置、加密和访问权限有绝对清晰的了解。这使实施变得复杂，特别是在有严格指南的医疗系统中。其次是速度和成本。每次传输都需要带宽和服务器容量。这是日常实践中的额外费用，可能成为障碍，特别是对农村地区或基础设施较差的全科医生而言。
从长远来看，越来越多地依赖本地或混合解决方案更有意义，其中一些分析可以直接在设备本身上进行。这将减少对云系统的依赖，使数据保护问题更容易解决——同时，结果可以更快地返回。
作为一名心脏病专家，您目前在数字化领域正在做什么工作？
我深度参与数字心脏病学。例如，我们正在研究资金，以了解应用程序如何在日常实践中使用。尽管有"处方应用程序"(DiGA)可用，但在心脏病学领域实施它们很困难。虽然对于精神疾病可以快速证明生活质量的改善，但在心脏病学中，通常唯一重要的是减少心脏病发作和死亡。这对于单一应用程序来说很难证明。
我们还发现，只要人们健康，他们就乐于使用健康应用程序——作为一种"小工具"。但生病的人每天都不希望被提醒自己的疾病。
心脏病学在远程医疗领域已经非常先进。
首批远程医疗项目——例如起搏器或心力衰竭患者的持续护理——已经转移到标准护理中。患者定期测量血压或体重，并自动将数值传输到远程医疗中心。在那里，任何异常都会直接传递给治疗他们的医生。
尤其是在农村地区，远程医疗可以改善护理，避免住院，并使患者生活更轻松。AI听诊器未来可能承担类似角色——例如，通过实现初步筛查或更有针对性地将症状不明确的患者引导至专科护理。
然而，重要的是这些系统不应孤立存在，而应与现有数字基础设施(诊所系统、电子病历、TI Messenger)紧密联系。这是确保患者获得足够收益且医生不会增加额外工作负担的唯一途径。
这里有两点很重要：首先，我们需要在护理和流程中进行合理的实施。其次，我们需要明确收益最大的地方——无论是医学上还是经济上。仅靠AI无法解决健康问题。但若合理整合，它可以帮助创造护理公平性——尤其是在资源匮乏的地方。
目前，我看到德国的应用领域很少，因为我们已经建立了更精确的标准方法，如超声。这类设备在心脏医疗资源不密集的地区可能更有意义。
【全文结束】
