人工智能在结构性心脏病筛查中的应用 - 开发了一款名为EchoNext的人工智能筛查工具，通过分析常规心电图（ECG）数据，能够准确识别出有结构性心脏病的患者，为下一步超声心动图诊断进行有效筛选 [1] - 人工智能模型接受了23万名患者超过120万对的心电图-超声心动图的对照训练，以检测多种形式的结构性心脏病 [2] - 对近85000名未做过超声心动图检查的患者使用EchoNext，识别出超过7500名存在未确诊的结构性心脏病的高风险患者，其中超过一半人接受了超声心动图检查 [2] 人工智能与人类专家的诊断准确率比较 - EchoNext模型对结构性心脏病诊断的准确率高达77.3% [2] - 在未使用AI辅助的情况下，心脏病专家的准确率为64%；在使用AI辅助的情况下，心脏病专家的准确率提升至69.2%，但仍低于EchoNext模型 [3] - 研究团队认为未来可以通过设定阈值，将人工智能的专业心电图解读与临床医生的知识相结合，来确定患者是否应该接受超声心动图检查 [4] 结构性心脏病的现状与筛查挑战 - 结构性心脏病在全球有数千万患者，包括心脏瓣膜病、右心和左心衰竭、肺动脉高压以及左心室肥厚等 [4] - 早期发现结构性心脏病能够降低死亡率、减少治疗成本并提高生活质量，但缺乏常规且经济有效的筛查测试 [4] - 目前超声心动图是明确诊断结构性心脏病的方法，但成本高、需要专业知识以及合适的患者选择，限制了其全面应用 [2] 未来发展方向 - 心电图+AI可能开创一种全新的筛查模式，支持人工智能在大规模扩大心脏病筛查覆盖面方面的潜力 [4] - 未来的心脏病风险预测可能会受益于多模态模型，例如整合胸部X光片、实验室检验结果和心电图等数据 [4] - AI检测方法也带来了一些挑战，如模型集成和采用的复杂性增加、泛化能力较差等，需要在临床使用过程中进一步优化和完善 [5]