2025.11. 04 本文字数：1452，阅读时长大约2分钟 一位心脏病专家对第一财经记者表示，具备人工智能技术的可穿戴设备已经开始应用于一些心脏疾病 的检测，例如房颤或心律失常等预警信号。而心力衰竭、心脏瓣膜疾病等属于"隐匿性心脏病"，人工 智能增强型心电图算法在该领域若能发挥作用，将产生巨大的社会价值。 上述专家补充说，心电图无法检测出结构性心脏病。超声心动图利用超声波获取心脏图像，可用于明 确诊断心脏瓣膜病、心肌病、肺动脉高压以及其他需要药物或手术治疗的心脏结构问题。 作者 | 第一财经 钱童心 人工智能已经站在健康医疗领域技术发展的最前沿。 在2025年美国心脏病年会会议（AHA）开幕前夕，一项来自苹果手表的最新研究显示，该设备首次 识别到患者的结构性心脏病。 早期发现结构性心脏病对于改善预后至关重要，但广泛筛查仍然受限于超声心动图等影像工具的成本 和可及性。这项创新技术有望改变未来心脏病的筛查方式。 该研究仅利用了苹果智能手表记录的简单心电活动读数，即单导联心电图（ECG），在人工智能算 法的加持下，筛查了过去只能通过12导联心电图检测到的结构性心脏病。 该技术的核心在于这种用于检测心脏疾病的人工 ...

早期发现结构性心脏病对于改善预后至关重要。 上述专家补充说，心电图无法检测出结构性心脏病。超声心动图利用超声波获取心脏图像，可用于明确 诊断心脏瓣膜病、心肌病、肺动脉高压以及其他需要药物或手术治疗的心脏结构问题。 该技术的核心在于这种用于检测心脏疾病的人工智能算法。该算法是基于科学家们收集的超过11万名患 者的26.6万份复杂的12导联心电图测量数据开发而成的，并在超过4.5万名患者身上进行了外部验证，能 够检测出包括心肌收缩能力减弱、瓣膜损伤和心肌增厚等疾病，有望将可穿戴设备的潜力扩展到检测心 律失常之外的更多领域。 目前，国内外在人工智能检测心脏疾病相关领域已经开展了大量的研究。今年7月，人工智能用于早期 发现结构性心脏病的研究成果登上《自然》杂志。来自美国哥伦比亚大学欧文医学中心的研究团队开发 了一种算法，使AI独立分析心电图（ECG）数据的检测准确率高于AI辅助下的人类心脏病专家。 苹果手表最新研究的资深作者、耶鲁大学医学院心血管数据科学实验室主任Rohan Khera评论称："这种 新技术使得大规模早期筛查结构性心脏病成为可能，而且可以使用许多人已经拥有的设备。" 但研究人员承认该研究还存在一些局限 ...

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]