每日毅讯｜JACC子刊：当AI邂逅心电图与听诊器，攻克心衰早期筛查难题

心力衰竭是各种心脏疾病终末期的表现，但在疾病初期，患者可能仅仅存在乏力气喘等状况，属于无症状的左心室收缩功能减退期，并没有引起警觉。据估计，全球约有700万射血分数降低的非症状性左心室收缩功能降低的患者。这些患者由于疾病初期的隐匿状态，严重影响了患者的早期救治，造成后续的严重心力衰竭和医疗费用支出。然而，对于非症状性左心室收缩功能下降的患者，其筛查需要依靠超声心动图，进行人群水平的筛查不切实际。近期，JACC：Advances杂志发表了一项最新研究，报导了一种人工智能+心电图+听诊器的左心功能降低的筛查方法。

本研究是一项多中心观察性研究，纳入了来自美国4个医疗保健网络的2,960名接受超声心动图检查的成年人。使用数字听诊器和心电图采集患者数据，并在数据收集后1周内进行超声心动图检查。将算法的性能与超声心动图的射血分数（EF）进行比较，EF测量值将EF分为正常和轻度降低（>40%）以及中度和重度降低（≤40%）。

研究结果显示：卷积神经网络（CNN）模型显示出0.85的接收者操作特征曲线下面积（AUC），灵敏度为77.5%，特异性为78.3%，阳性预测值为20.3%，阴性预测值为98.0%。在人工智能筛查异常但EF>40%（假阳性）的患者中，25%的EF在41%-49%之间，63%存在传导/心律异常。亚组分析表明，该模型在不同人口统计学特征和合并症中的表现具有一致性。

「毅讯点评」

本研究创新性地介绍了一种结合心电图+电子听诊器+人工智能的非症状性左室收缩功能下降的筛查方案，以心脏彩超的射血分数为标测变量，获得了较高的筛查效率，具有一定的临床应用前景。目前该设备的筛查效能还有进一步的提升空间，这是后续扩大样本需要去完善的。此外，本研究人群是临床需要心超检查的人群，并不能代表自然人群，因此该系统在自然人群的外部验证研究也是必须的。因此，这一AI系统还有较长的循证之路要走。

原文参考