Nature重磅：AI利用常规心电图发现结构性心脏病，准确率超越人类心脏病专家

结构性心脏病（SHD），是一类日益流行的疾病，包括影响心脏瓣膜、心室壁或心腔的疾病，例如心脏瓣膜病、右心和左心衰竭、肺动脉高压以及左心室肥厚，在全球范围内影响着数千万人。

在疾病进程的早期阶段发现患有结构性心脏病（SHD）的患者，已被证明能够降低死亡率、减少治疗成本并提高生活质量。然而，由于缺乏常规且经济实惠的筛查测试，许多有结构性心脏问题的人直到心脏功能严重受损时才被发现。

多种类型的结构性心脏病，往往在疾病晚期才出现症状。所有类型的结构性心脏病都可以通过超声心动图明确诊断，但这种诊方法成本高、需要专业知识以及合适的患者选择，限制了其全面应用。因此，迫切需要更好地对患者进行风险分层，并确定哪些患者应转诊进行超声心动图检查，从而提高结构性心脏病的诊断率和早期治疗率。 

2025 年 7 月 16 日，哥伦比亚大学和纽约长老会医院的研究人员合作，在国际顶尖学术期刊 Nature 上发表了题为：Detecting structural heart disease from electrocardiograms using AI 的研究论文。

该研究开发了一款名为 EchoNext 的人工智能（AI）筛查工具，该工具通过分析常规心电图（ECG）数据，能够从中准确识别出有结构性心脏病的患者，准确率超过了人类心脏病专家，甚至超过了使用 AI 辅助的人类心脏病专家。

论文通讯作者、哥伦比亚大学欧文医学中心心脏病专家、纽约长老会医院人工智能医疗主任 Pierre Elias 表示，我们有结肠镜检查，有乳腺 X 光检查，然而，对于大多数形式的心脏病，却没有类似的检查手段。该研究开发的 EchoNext 则是利用成本较低的检测来确定哪些人需要进一步做更昂贵的超声检查，它能从心电图中检测出心脏病专家都无法发现的疾病。心电图 + AI，有可能开创一种全新的筛查模式。

心电图（ECG）是医疗保健中使用最广泛的心脏检查。该检查通过测量心脏的电活动，通常用于检测心律失常、冠状动脉阻塞和既往心肌梗死。心电图价格低廉、无创，经常用于与结构性心脏病无关的心脏病的患者。

虽然心电图用途广泛，但也存在局限性——心电图无法检测出结构性心脏病。超声心动图利用超声波获取心脏图像，可用于明确诊断心脏瓣膜病、心肌病、肺动脉高压以及其他需要药物或手术治疗的心脏结构问题。

在这项研究中，研究团队开发了一款 AI 模型——EchoNext，其在一个大型和多样化的卫生系统中来自 23 万名患者的超过 120 万对的心电图-超声心动图进行了训练，以检测多种形式的结构性心脏病。

在一项涵盖四个医疗系统的验证研究中，EchoNext 在识别结构性心脏问题方面表现出了很高的准确性，这些问题包括由心肌病引起的心力衰竭、心脏瓣膜病、肺动脉高压以及严重的心肌增厚。

为了了解 EchoNext 在实际应用中的效果，研究团队对近 85000 名此前未做过超声心动图检查且正在接受心电图检查的患者使用了 EchoNext，结果显示，EchoNext 识别出超过 7500 名个体（占 9%）存在未确诊的结构性心脏病的高风险。 

随后，研究团队对这些患者进行了为期一年的跟踪观察，以了解有多少人被诊断出患有结构性心脏病（患者的医生并不知晓 EchoNext 的部署情况，因此未受其预测的影响）。在被 EchoNext 认定为高风险的个体中，有 55% 的人接受了首次超声心动图检查，其中，近四分之三的人被诊断出患有结构性心脏病，这一阳性率是所有首次接受超声心动图检查但未借助 AI 工具的人群的两倍。 

接下来，研究团队将 EchoNext 模型与人类心脏病专家进行了比较，共有 13 位心脏病专家完成了对 3200 份心电图的评估（其中 1600 份使用 AI 辅助，1600 份未使用 AI 辅助，每位心脏病专家平均评估 246 份心电图）。这项评估任务侧重于仅利用心电图（ECG）来诊断结构性心脏病（SHD）。

结果显示，在未使用 AI 辅助的情况下，心脏病专家的准确率为 64.0%、灵敏度为 61.1%、特异性为 66.1%；在使用 AI 辅助的情况下，心脏病专家的准确率、灵敏度、特异性分别提升至 69.2%、64.7%、72.4%。但这都明显逊色于 EchoNext 模型，其准确率为 77.3%，灵敏度为 72.6%，特异性为 80.7%。

这些结果表明，AI 辅助提高了心脏病专家通过心电图诊断结构性心脏病的准确率，但仍逊色于 EchoNext 模型的效果。据悉，研究团队已经启动了一项临床试验，在八个急诊科中测试 EchoNext 模型。