根据一项将在2025年美国心脏协会科学会议（American Heart Association's Scientific Sessions 2025）上展示的初步研究，与智能手表单导联心电图（ECG）传感器配合使用的人工智能（AI）算法能够可靠地检测结构性心脏病，例如心泵功能减弱、心脏瓣膜受损或心肌增厚。该年度会议将于11月7日至10日在新奥尔良举行，汇聚全球顶尖专家分享心血管科学和临床实践的最新成果。
*可穿戴设备 – 椭圆形。图片来源：美国心脏协会（American Heart Association）*研究人员表示，这是第一项前瞻性研究，证明人工智能（AI）算法可以利用智能手表背面和数字表冠中嵌入的单导联心电图（ECG）传感器数据来检测多种结构性心脏疾病。
数以百万计的人佩戴智能手表，目前这些设备主要用于检测心房颤动等心律问题。而结构性心脏病通常需要通过超声心动图（echocardiogram）来发现，这是一种需要特殊设备的心脏高级超声成像检查，在常规筛查中并不广泛可用。
Arya Aminorroaya医学博士、公共卫生硕士（M.D., M.P.H.），研究作者，耶鲁纽黑文医院（Yale New Haven Hospital）内科住院医师
"在我们的研究中，我们探索了人们每天佩戴的相同智能手表是否也能帮助早期发现这些隐藏的结构性心脏病，在它们发展成严重并发症或心脏事件之前，"纽黑文康涅狄格州耶鲁医学院（Yale School of Medicine）心血管数据科学（CarDS）实验室的研究人员Arya Aminorroaya说道。
研究人员使用了来自11万多名成年人的超过26.6万份12导联心电图（ECG）记录来训练人工智能（AI）算法。基于这个大型数据集，他们开发了一个模型，旨在仅使用单导联心电图（ECG）来检测结构性心脏病——类似于智能手表可以捕获的数据。为了模拟真实世界中智能手表的条件，他们从12导联心电图中分离出一个导联，并引入了人工"噪声"，以模仿可穿戴设备记录中常见的随机干扰。
随后，该模型使用来自社区医院患者和巴西一项大型基于人群研究参与者的ECG数据进行了外部验证。最后，为了测试其在真实世界中的性能，研究人员前瞻性地招募了600名参与者，他们使用智能手表完成了30秒的单导联心电图（ECG）检查，使研究团队能够在日常环境中评估该算法的诊断准确性。
分析发现：
- 当在从医院级设备收集的单导联心电图（ECG）上进行测试时，该AI模型表现出色，在标准性能量表上达到92%的准确率（100%表示完美分类）。
- 在使用600名参与者通过智能手表记录的心电图（ECG）进行的真实世界研究中，该算法保持了强劲的性能，以88%的准确率正确检测出结构性心脏病。
- 该算法还展示了坚实的临床实用性，能够识别大多数心脏病患者（86%的敏感性），并且在排除疾病方面显示出高可靠性，阴性预测值达到99%。
单导联心电图（ECG）本身是有限的；它无法取代医疗机构中可用的12导联心电图测试。然而，借助人工智能（AI），它变得足够强大，可以筛查重要的心脏疾病。这可能使使用许多人已经拥有的设备大规模进行结构性心脏病的早期筛查成为可能。
Rohan Khera医学博士、理学硕士（M.D., M.S.），研究资深作者，心血管数据科学（CarDS）实验室主任
研究背景、设计和方法
为了开发AI-ECG算法，研究人员使用了从2015年到2023年间在耶鲁纽黑文医院（Yale New Haven Hospital）接受治疗的110,006名患者的266,054份12导联心电图（ECG）数据集。每份心电图都与超声心动图（echocardiogram）配对，以确定结构性心脏病的存在与否，使人工智能（AI）能够从已确认的诊断中学习。
随后，该模型使用两个独立的数据集进行了外部验证：
- 在四家社区医院接受治疗的44,591名成年人，以及
- 来自*巴西成人健康纵向研究（Brazilian Longitudinal Study of Adult Health，ELSA-Brasil）*的3,014名参与者——这是一项专注于慢性疾病，特别是心血管疾病和糖尿病的大型人群研究。
为了更好地为算法应对真实世界中的智能手表使用做准备，研究人员在训练过程中添加了人工信号干扰——类似于静电或模糊——这使得人工智能（AI）在解释质量较低或嘈杂的心电图（ECG）信号方面更加稳健，而这些信号在可穿戴设备中很常见。
在前瞻性研究阶段，招募了600名参与者来测试人工智能（AI）在真实世界环境中的性能。每位参与者都佩戴了一款配备单导联心电图（ECG）传感器的智能手表，并在同一天接受了标准超声心动图检查的同时记录了30秒的心电图（ECG）。
参与者的中位年龄为62岁。大约一半是女性，种族和民族构成如下：44%为非西班牙裔白人，15%为非西班牙裔黑人，7%为西班牙裔，1%为亚裔，33%为其他或混合背景。根据超声检查结果，约5%的参与者被发现患有结构性心脏病。
研究局限性包括前瞻性样本中结构性心脏病确诊病例数量相对较少，以及注意到的假阳性率，这可能会影响结果的普遍适用性和临床应用。
我们计划在更广泛的环境中评估这一人工智能（AI）工具，并探索如何将其整合到基于社区的心脏病筛查项目中，以评估其对改善预防性护理的潜在影响。
Arya Aminorroaya医学博士、公共卫生硕士（M.D., M.P.H.），研究作者，耶鲁纽黑文医院（Yale New Haven Hospital）内科住院医师
来源：
美国心脏协会（American Heart Association）
【全文结束】
