撰文丨王聰

編輯丨王多魚

排版丨水成文

結構性心臟病（SHD），是一類日益流行的疾病，包括影響心臟瓣膜、心室壁或心腔的疾病，例如心臟瓣膜病、右心和左心衰竭、肺動脈高壓以及左心室肥厚，在全球范圍內影響著數千萬人。

在疾病進程的早期階段發現患有結構性心臟?。⊿HD）的患者，已被證明能夠降低死亡率、減少治療成本并提高生活質量。然而，由于缺乏常規且經濟實惠的篩查測試，許多有結構性心臟問題的人直到心臟功能嚴重受損時才被發現。

多種類型的結構性心臟病，往往在疾病晚期才出現癥狀。所有類型的結構性心臟病都可以通過超聲心動圖明確診斷，但這種診方法成本高、需要專業知識以及合適的患者選擇，限制了其全面應用。因此，迫切需要更好地對患者進行風險分層，并確定哪些患者應轉診進行超聲心動圖檢查，從而提高結構性心臟病的診斷率和早期治療率。

2025 年 7 月 16 日，哥倫比亞大學和紐約長老會醫院的研究人員合作，在國際頂尖學術期刊Nature上發表了題為：Detecting structural heart disease from electrocardiograms using AI 的研究論文。

該研究開發了一款名為EchoNext的人工智能（AI）篩查工具，該工具通過分析常規心電圖（ECG）數據，能夠從中準確識別出有結構性心臟病的患者，準確率超過了人類心臟病專家，甚至超過了使用 AI 輔助的人類心臟病專家。

論文通訊作者、哥倫比亞大學歐文醫學中心心臟病專家、紐約長老會醫院人工智能醫療主任Pierre Elias表示，我們有結腸鏡檢查，有乳腺 X 光檢查，然而，對于大多數形式的心臟病，卻沒有類似的檢查手段。該研究開發的 EchoNext 則是利用成本較低的檢測來確定哪些人需要進一步做更昂貴的超聲檢查，它能從心電圖中檢測出心臟病專家都無法發現的疾病。心電圖 + AI，有可能開創一種全新的篩查模式。

心電圖（ECG）是醫療保健中使用最廣泛的心臟檢查。該檢查通過測量心臟的電活動，通常用于檢測心律失常、冠狀動脈阻塞和既往心肌梗死。心電圖價格低廉、無創，經常用于與結構性心臟病無關的心臟病的患者。

雖然心電圖用途廣泛，但也存在局限性——心電圖無法檢測出結構性心臟病。超聲心動圖利用超聲波獲取心臟圖像，可用于明確診斷心臟瓣膜病、心肌病、肺動脈高壓以及其他需要藥物或手術治療的心臟結構問題。

在這項研究中，研究團隊開發了一款 AI 模型——EchoNext，其在一個大型和多樣化的衛生系統中來自 23 萬名患者的超過 120 萬對的心電圖-超聲心動圖進行了訓練，以檢測多種形式的結構性心臟病。

在一項涵蓋四個醫療系統的驗證研究中，EchoNext在識別結構性心臟問題方面表現出了很高的準確性，這些問題包括由心肌病引起的心力衰竭、心臟瓣膜病、肺動脈高壓以及嚴重的心肌增厚。

為了了解EchoNext在實際應用中的效果，研究團隊對近 85000 名此前未做過超聲心動圖檢查且正在接受心電圖檢查的患者使用了 EchoNext，結果顯示，EchoNext 識別出超過 7500 名個體（占 9%）存在未確診的結構性心臟病的高風險。

隨后，研究團隊對這些患者進行了為期一年的跟蹤觀察，以了解有多少人被診斷出患有結構性心臟病（患者的醫生并不知曉 EchoNext 的部署情況，因此未受其預測的影響）。在被 EchoNext 認定為高風險的個體中，有 55% 的人接受了首次超聲心動圖檢查，其中，近四分之三的人被診斷出患有結構性心臟病，這一陽性率是所有首次接受超聲心動圖檢查但未借助 AI 工具的人群的兩倍。

接下來，研究團隊將 EchoNext 模型與人類心臟病專家進行了比較，共有 13 位心臟病專家完成了對 3200 份心電圖的評估（其中 1600 份使用 AI 輔助，1600 份未使用 AI 輔助，每位心臟病專家平均評估 246 份心電圖）。這項評估任務側重于僅利用心電圖（ECG）來診斷結構性心臟病（SHD）。

結果顯示，在未使用 AI 輔助的情況下，心臟病專家的準確率為 64.0%、靈敏度為 61.1%、特異性為 66.1%；在使用 AI 輔助的情況下，心臟病專家的準確率、靈敏度、特異性分別提升至 69.2%、64.7%、72.4%。但這都明顯遜色于 EchoNext 模型，其準確率為 77.3%，靈敏度為 72.6%，特異性為 80.7%。

這些結果表明，AI 輔助提高了心臟病專家通過心電圖診斷結構性心臟病的準確率，但仍遜色于 EchoNext 模型的效果。據悉，研究團隊已經啟動了一項臨床試驗，在八個急診科中測試 EchoNext 模型。

論文鏈接：

https://www.nature.com/articles/s41586-025-09227-0