编辑推荐：
在人工智能的帮助下，许多医生办公室中发现的一种廉价测试可能很快就能用于筛查隐藏的结构性心脏病。
在人工智能 (AI) 的帮助下，许多医生办公室中发现的一种廉价测试可能很快就能用于筛查隐藏的心脏病。
结构性心脏病，包括瓣膜病、先天性心脏病以及其他损害心脏功能的疾病，影响着全球数百万人。然而，由于缺乏常规且经济实惠的筛查检测，许多结构性心脏问题往往在严重功能丧失后才被发现。
哥伦比亚大学瓦格洛斯内外科医学院医学和生物医学信息学助理教授、纽约长老会医院人工智能医学主任Pierre Elias表示：“我们有结肠镜检查和乳房 X 光检查，但对于大多数心脏病，我们却没有相应的检查手段。”
Elias与哥伦比亚大学和纽约长老会医院的研究人员开发了一种人工智能筛查工具 EchoNext，它可以分析普通心电图 (ECG) 数据来确定哪些患者应该进行超声波检查 (超声心动图)，这是一种用于诊断结构性心脏问题的非侵入性测试。
在《自然》杂志发表的一项研究中，EchoNext 通过心电图读数准确识别结构性心脏病的次数比心脏病专家（包括那些使用人工智能帮助解释数据的专家）都要多。
“EchoNext 基本上是用更便宜的测试来确定哪些人需要更昂贵的超声波检查，”这项研究的负责人 Elias 说道。“它可以检测出心脏病专家无法通过心电图发现的疾病。我们认为，心电图加上人工智能，有可能创造出一种全新的筛查模式。”
心电图是医疗保健中最常用的心脏检查。该检查测量心脏的电活动，通常用于检测异常心律、冠状动脉阻塞以及既往心脏病发作史。心电图检查价格低廉、无创，通常用于治疗与结构性心脏病无关的患者。
心电图虽然有用，但也有局限性。“我们在医学院上学时就学过，心电图无法检测出结构性心脏病，”埃利亚斯说。
超声心动图利用超声波获取心脏图像，可用于确诊瓣膜疾病、心肌病、肺动脉高压以及其他需要药物或手术治疗的结构性心脏问题。
EchoNext 旨在分析普通心电图数据，以确定何时需要进行心脏超声随访。该深度学习模型基于来自 23 万名患者的超过 120 万对心电图和超声心动图数据进行训练。在一项涵盖四家医院系统（包括纽约长老会医院的几家院区）的验证研究中，该筛查工具在识别结构性心脏问题方面表现出很高的准确性，这些问题包括心肌病引起的心力衰竭、瓣膜疾病、肺动脉高压和心脏严重增厚。
在与 13 位心脏病专家就 3,200 份心电图进行的直接对比中，EchoNext 准确识别了 77% 的结构性心脏问题。相比之下，心脏病专家仅凭心电图数据进行诊断的准确率为 64%。
为了测试该工具在实际应用中的效果，研究团队对近 85,000 名接受心电图检查且此前未接受过超声心动图检查的患者运行了 EchoNext。该 AI 工具识别出超过 7,500 人（占 9%）患有未确诊结构性心脏病的高风险人群。研究人员随后对这些患者进行了一年的跟踪调查，以了解有多少人被诊断出患有结构性心脏病。（患者的医生并不知道 EchoNext 的部署，因此他们并未受到其预测的影响）。在被 EchoNext 判定为高风险的人群中，55% 的人随后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——与所有未使用 AI 进行首次超声心动图检查的人相比，阳性率是前者的两倍。
在相同的阳性率下，如果所有被 EchoNext 确定为高风险的患者都做过超声心动图检查，那么大约有 2,000 名患者可能会被诊断出患有潜在的严重结构性心脏问题。
“你无法治疗你不了解的病人，”Elias说。“利用我们的技术，我们或许能够将今年全球预计进行的4亿次心电图检查转化为4亿次结构性心脏病筛查机会，并有可能在最合适的时机提供挽救生命的治疗，”埃利亚斯说。
Elias和他的团队发布了一个去识别化的数据集，以帮助其他医疗系统改进心脏病筛查。研究人员还启动了一项临床试验，在八个急诊科测试 EchoNext。
Detecting structural heart disease from electrocardiograms using AI
生物通微信公众号
生物通 版权所有
