一项新研究表明，AI听诊器分析能有效检测心脏瓣膜疾病，在识别严重病例方面比全科医生更准确。该技术有望改变英国临床环境中心脏瓣膜疾病的早期筛查。
心脏瓣膜疾病检测的挑战
心脏瓣膜疾病日益成为公共卫生关注的问题，但由于症状出现较晚、公众意识有限以及传统听诊器筛查敏感性低，超过一半的病例未被诊断。现有的AI工具依赖于杂音检测，这常常会遗漏常见亚型如二尖瓣反流，并且在小型数据集上表现不佳。准确的早期检测对于预防并发症和指导及时干预至关重要。
方法与结果：多中心研究中的AI增强听诊
研究人员开发了一种循环神经网络（RNN），经过训练可直接从心音录音预测临床显著的心脏瓣膜疾病，使用超声心动图标签作为参考标准，而非杂音标签。数据来自英国初级保健和医院环境中的1,767名患者，涵盖标准听诊部位。该算法使用敏感性、特异性和AUROC指标与全科医生（GP）的表现进行比较。
AI的AUROC达到0.83，在严重主动脉瓣狭窄（98%）和严重二尖瓣反流（94%）方面表现出极高的敏感性。同一研究中的全科医生敏感性为62%，特异性为64%。心脏瓣膜疾病检测器的表现显著优于全科医生的预测（敏感性p=0.01；特异性p=0.002），展示了其作为中度或重度心脏瓣膜疾病可扩展、低成本筛查工具的潜力。
临床意义与未来考虑
这种AI增强的听诊器可以提供快速、无创的心脏瓣膜疾病筛查解决方案，改善早期诊断并指导及时的超声心动图转诊。凭借世界上最大的心音图数据集之一，该模型可推广到多种临床环境。未来的工作应探索将其整合到常规初级保健工作流程中，并评估长期患者预后。更广泛的采用可以减少未诊断的心脏瓣膜疾病并优化医疗资源配置。
参考文献
麦当劳A等人。通过多中心研究开发和验证用于心脏瓣膜疾病筛查的AI增强听诊。npj Cardiovasc Health. 2026;DOI:10.1038/s44325-026-00103-y。
【全文结束】
