一张由人工智能（AI）增强的数字听诊器在检测中度至重度心脏瓣膜疾病时，其敏感性比传统听诊器提高了一倍以上。这些发现今日发表在《欧洲心脏杂志-数字健康》上。
Eko Health公司医学事务高级经理Rosalie V. McDonough医学博士表示：“心脏瓣膜疾病在老年人群中非常普遍，但往往直到症状进展到晚期才被发现。这意味着患者可能会经历本可通过早期诊断预防的并发症和健康恶化。”
据估计，超过13%的75岁及以上人群患有中度至重度心脏瓣膜疾病，但由于约50%的患者无症状，且许多剩余患者症状模糊，该疾病常被漏诊。延迟诊断和治疗会显著降低生活质量，带来危及生命的危险，并长期给医疗机构造成财政负担。
心脏杂音是心脏瓣膜疾病的一个早期临床指标，可通过听诊器听诊检测，从而提示患者需进行超声心动图检查以确诊。然而，目前这种方法漏检了约56%的阳性病例。
研究中使用的数字听诊器由一种人工智能算法驱动，该算法最近获得美国食品药品监督管理局（FDA）批准，可通过心脏声音记录检测一系列心脏疾病。传统方法依赖医生的专业知识和听力，可能受背景噪音等外部因素影响；而机器学习模型则依靠数百万临床数据点来检测与心脏瓣膜疾病相关的独特模式。
McDonough表示：“人工智能的使用提供了额外的分析层，突显了仅靠耳朵难以一致检测到的异常。但技术并非取代医生；使用此设备仍需医生运用自身的临床判断。”
该研究共纳入357名50岁及以上的患者，他们在初级医疗环境中分别接受传统听诊器和经培训人员使用的AI数字听诊器检查。随后，每位患者均接受超声心动图检查，以确认是否患有中度至重度心脏瓣膜疾病。
在后续确诊的13名阳性患者中，AI增强系统检测出12名，而传统听诊器仅标记出6名，敏感性分别为92%和46%。
然而，结果也揭示了敏感性与特异性之间的权衡：AI系统错误标记了45例假阳性，而传统听诊器为15例。研究作者认为，假阳性增加可能导致的医疗成本上升，将通过早期检测的附加价值在长期得到平衡，尤其对于否则会进展到晚期才被诊断的患者。
McDonough表示：“我们已证明，在真实世界临床环境中，AI赋能的听诊器比传统听诊器更能准确识别哪些患者患有中度至重度瓣膜疾病。我们希望这项技术能让患者更快获得超声心动图检查以正式诊断病情，从而更迅速地接受治疗。从人群层面看，该技术可减少住院人数和整体医疗成本。”
她补充道：“研究中观察到的另一个好处是，使用AI数字听诊器评估的患者在就诊期间似乎更加投入。我们认为这是因为患者能看到并听到临床医生所响应的内容，这可能会增加对后续治疗的信任和参与度。”
【全文结束】
