根据一项将在2025年美国心脏协会科学会议上展示的初步研究，一种人工智能(AI)算法结合智能手表上的单导联心电图(ECG)传感器能够准确诊断结构性心脏病，如泵血功能减弱、瓣膜损伤或心肌增厚。
研究人员表示，这是首个前瞻性研究，证明AI算法可以基于智能手表后部和数字表冠的单导联ECG传感器检测多种结构性心脏病。
"数百万人佩戴智能手表，目前它们主要用于检测心房颤动等心律问题。而结构性心脏病通常需要通过超声心动图来发现，这是一种需要特殊设备的高级心脏超声成像测试，不广泛用于常规筛查，"研究作者、康涅狄格州纽黑文市耶鲁纽黑文医院内科住院医师兼耶鲁医学院心血管数据科学实验室(CarDS)研究助理Arya Aminorroaya医学博士说道。
"在我们的研究中，我们探索了人们每天佩戴的同一款智能手表是否也能帮助更早发现这些隐藏的结构性心脏病，在它们进展为严重并发症或心脏事件之前。"
研究人员使用了来自10多万名成年人的超过26.6万次12导联心电图记录来开发AI算法。基于这一数据集，他们开发了一种算法，能够从智能手表传感器获取的单导联心电图中识别结构性心脏病。为此，研究人员仅提取12导联心电图中的一个导联，这与智能手表上的单导联心电图相似。
他们还考虑了在使用真实世界智能手表记录单导联心电图时可能出现的随机干扰或"噪声"。然后，AI模型使用来自社区医院就诊者的数据以及来自巴西的一项基于人群的研究数据进行了外部验证。随后，研究团队前瞻性地招募了600名参与者，他们使用智能手表进行了30秒的单导联心电图检查，以评估该算法在真实世界环境中的准确性。
分析发现：
- 使用从医院设备获取的单导联心电图，AI模型在区分有无结构性心脏病的人群方面非常有效，在标准性能评分上达到92%（100%为完美）。
- 在使用智能手表获取单导联心电图的600名参与者中，AI模型对检测结构性心脏病的性能保持在88%的高水平。
- AI算法准确识别了大多数心脏病患者（86%敏感度），并在排除心脏病方面具有高度准确性（99%阴性预测值）。
"单凭单导联心电图是有限的；它不能取代医疗环境中可用的12导联心电图测试。然而，借助AI，它变得足够强大，可以筛查重要的心脏疾病，"该研究的高级作者、CarDS实验室主任Rohan Khera医学博士说道。"这可能使使用许多人已经拥有的设备进行大规模结构性心脏病早期筛查成为可能。"
研究背景、详情和设计：
- 研究人员使用了2015年至2023年间在耶鲁纽黑文医院接受检测和治疗的110,006名患者的266,054次心电图数据库，开发了从单导联心电图检测结构性心脏病的AI-ECG算法。
- 该算法与心脏超声扫描匹配，以确定他们是否有结构性心脏病。
- AI模型随后在四家社区医院就诊的44,591名成年人和巴西基于人群的ELSA-Brasil研究的3,014名参与者中得到验证。巴西成人健康纵向研究(ELSA-Brasil)收集了关于慢性疾病如何发展和进展的重要信息，主要关注心血管疾病和糖尿病。
- 为了让AI模型准备好解释来自真实世界单导联心电图的信号，研究人员在模型训练中添加了一些"噪声"——类似于模糊或静电。这一小调整帮助AI在处理不完美信号时变得更加强韧和可靠，使其即使在数据不够清晰的情况下也能更好地发现结构性心脏病。
- 在真实世界前瞻性研究中，600名患者在进行心脏超声检查的同一天，佩戴同一类型的带有单导联心电图传感器的智能手表30秒。
- 参与者的中位年龄为62岁，约一半是女性，44%是非西班牙裔白人，15%是非西班牙裔黑人，7%是西班牙裔，1%是亚裔，33%是其他人种。约5%在心脏超声检查中被发现患有结构性心脏病。
研究局限性包括前瞻性研究中实际患病患者数量较少以及假阳性结果的数量。
"我们计划在更广泛的环境中评估该AI工具，并探索如何将其整合到基于社区的心脏病筛查项目中，以评估其对改善预防性护理的潜在影响，"Aminorroaya说道。
【全文结束】
