】
近日，Mayo Clinic的一项研究显示，AI通过分析心电图可准确筛查出早期无症状左心室功能障碍，准确性优于其他常见的筛查手段。
与此同时，美国斯坦福大学的一项研究也显示了AI在心脏领域的优势：其最新开发出一种AI算法，通过分析可穿戴监测设备产生的心电数据，诊断出10种不同类型的心律失常，准确性甚至超过了心内科医生。
无症状左心室功能障碍降低生活质量，缺乏廉价、无创无痛的筛查工具
我们先来看看Mayo Clinic的研究。
正常情况下，血液经左心房流向左心室，左心室负责将氧合的动脉血射出，送往全身各器官，维持全身代谢。然而，当左心室功能出现障碍时，心排血量不足以维持全身代谢的需要。这时，患者通常会出现呼吸短促、双下肢水肿等症状。
然而，有3％~6％的人不会出现任何症状，这些人并不是幸运，而是出现了无症状左心室功能障碍，是心力衰竭的先兆。这种疾病不仅会降低患者生活质量，甚至还会影响寿命。虽然这种心脏疾病在确诊后可以治疗，但目前尚缺乏廉价、无创、无痛的筛查工具供医生诊断使用。
Mayo Clinic的研究称，无症状左心室功能障碍的最佳筛查方式是测量B型钠尿肽（B-type natriuretic peptide，BNP）水平，但BNP的结果准确率不高，而且测试需要抽血。通常的诊断方法，如超声心动图、CT或MRI等，价格昂贵且可及性较差。
相较于CT和MRI，心电图是一种更普及、价格更低廉的检测手段。Mayo Clinic中西部心血管医学部主席Paul Friedman认为：“用人工智能对心电图进行数字化处理，能够提取隐藏的心脏病新信息。这种方式简单实惠，对于心脏疾病的诊断及治疗具有重要意义。”
Mayo Clinic的研究人员认为，通过适当训练的神经网络可以在心电图中精确地检测出无症状左心室功能障碍。研究人员创建了一个神经网络，从诊所数据中筛选出62.5万对匹配的心电图和超声心动图，用其对该神经网络进行训练、验证和测试。
结果表明，AI应用于标准心电图分析的敏感性可达95.6%，特异性达92.4％，而心内科专家诊断的敏感性和特异性分别为86％和85％。AI能够可靠地检测出无症状左心室功能障碍，且准确性优于其他常见的筛查工具。
Paul Friedman指出：“这种筛查手段不仅能识别出无症状左心室功能障碍，由于AI可以识别出早期细微的心电图变化，还能预测未来患病的风险。”
AI诊断心律失常诊断率高
无独有偶，斯坦福大学也尝试了将心电图和AI结合，只不过这次他们瞄准的是心律失常的诊断。
斯坦福大学研究人员首先从一款可穿戴无线心电监测设备中采集了53万余名患者的9.1万多条心电图数据样本。随后，他们开发出了一种AI算法来检测和识别10种不同类型的心律失常，同时还训练AI算法识别这10种不同类型的心律失常，将正常窦性心律和能增加心律失常发病率的噪音区分开来。
接下来的14天里，患者将佩戴心电监测设备，数据会通过后台进行采集。
该团队将AI与心内科专家分析的结果进行了比较，结果AI具有90％的特异性和敏感性，而心内科专家的特异性和敏感性分别为75％和78％。结果显示深度神经网络模型诊断心律失常的准确度超过医生。研究小组表示，这项研究是首次将AI模型应用于检测多种心律失常并进行了大样本的数据采集。
该可穿戴设备iRhythm的研发执行副总裁Mark Day在接受采访时表示：“这项技术并不是要取代医生的作用，而是要让医生将时间和精力集中在制定医疗方案上，也许能减少一些繁杂的工作流程问题，以期获得更好的效果。”
原文来源：
1.MedicalXpress: Study uses AI to create inexpensive, widely available early detector of heart disease
2.Daily Mail：AI could detect heart disease faster, earlier and cheaper than any other test, studies find
来源：健康界
