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]

结构性心脏病(SHD)行业现状 - 结构性心脏病(SHD)包括心脏瓣膜病、心室衰竭、肺动脉高压等疾病，全球影响数千万人[1] - 早期发现SHD可降低死亡率、减少治疗成本并提高生活质量，但缺乏经济实惠的筛查手段导致多数患者确诊时已进入晚期[2] - 超声心动图是SHD确诊的金标准，但成本高、专业门槛高限制了其广泛应用[2][9] AI筛查工具EchoNext的技术突破 - 哥伦比亚大学团队开发AI模型EchoNext，通过分析常规心电图(ECG)数据识别SHD患者，准确率超越人类专家[3][4] - 模型基于23万名患者的120万对心电图-超声心动图数据训练，可检测心肌病、心脏瓣膜病等多元SHD[10][12] - 在未接受过超声检查的85000名患者中，识别出7500人(9%)存在SHD高风险，后续确诊阳性率达73%，是传统筛查的2倍[13][14] 临床验证数据对比 - EchoNext准确率77.3%、灵敏度72.6%、特异性80.7%，显著优于未使用AI辅助的心脏病专家(64.0%/61.1%/66.1%)[16] - AI辅助使专家诊断准确率提升至69.2%，但仍低于独立AI模型[16] - 模型已在8个急诊科启动临床试验，验证实际应用效果[17] 心电图技术的革新潜力 - ECG作为最普及的心脏检查手段，成本低廉但传统上无法检测SHD[8][9] - EchoNext实现了从ECG数据中提取SHD信号的技术突破，可能开创"心电图+AI"的新型筛查模式[4][7] - 该工具可优化医疗资源配置，通过低成本ECG筛选需要超声检查的高风险人群[7][14]