人工智能技术有望通过帮助医生提前数年检测严重心脏瓣膜疾病，从而挽救数千人的生命。
剑桥大学研究人员表示，这项与数字听诊器配合使用的技术在检测疾病方面优于全科医生，可作为初级医疗中的快速筛查工具。
研究人员分析了近1,800名患者的心音数据，使用的AI算法经过专门训练以识别瓣膜疾病——此类疾病常在危及生命时才被发现。该AI识别出98%的严重主动脉瓣狭窄患者（这是最常见且需要手术的瓣膜疾病类型），以及94%的严重二尖瓣反流患者（心脏瓣膜无法完全闭合导致血液逆流）。
"瓣膜疾病是一场无声的流行病，"领导这项发表在《npj心血管健康》期刊上研究的工程系阿南拉格·阿加瓦尔教授（Prof Anurag Agarwal）表示，"英国约有30万人仅患有严重主动脉瓣狭窄，其中约三分之一并不知情。当症状出现时，预后可能比许多癌症更差。"
65岁以上人群中超过半数受瓣膜性心脏病影响，约十分之一患有显著疾病。但在早期阶段，它通常不会引发任何症状。
"当严重症状发展时，若不治疗，两年内死亡风险可能高达80%，"伯明翰大学医院的合著者里克·斯蒂兹教授（Prof Rick Steeds）表示，"目前唯一治疗方法是手术修复或更换瓣膜。"
当前诊断的金标准依赖超声心动图，但这种方法昂贵且耗时，英国国家医疗服务体系（NHS）的等待时间可能长达数月，因此无法作为常规筛查工具。虽然医生可能使用听诊器听诊，但在短暂的全科医生预约中这并不常见，且常漏诊许多病例。
"心脏听诊是一项困难的技能，在繁忙的全科诊所中使用越来越少，"阿加瓦尔教授解释道，"这正是大量瓣膜疾病病例被漏诊的重要原因。"
来自五个NHS信托机构的工程师、心脏病专家、研究护士和其他临床医生合作开展此项研究，使用数字听诊器记录了1,767名患者的心音。每位参与者还接受了超声心动图检查作为参照标准。
研究人员并未训练算法识别传统诊断标志——心脏杂音，而是基于超声心动图结果进行训练，使其能够学习人类可能忽略的细微声学模式，包括无明显杂音的病例。
该算法在测试中表现优于所有14名听取相同录音的全科医生。尽管个别医生的判断差异很大（部分侧重敏感性而部分侧重特异性），但AI始终提供可靠结果，尤其对严重疾病极为准确。
研究人员表示，该技术设计旨在最大限度减少误报，从而降低已不堪重负的超声心动图服务压力。它并非旨在取代医生，而是作为有用的筛查工具，帮助医生决定哪些患者应转诊接受进一步检查和治疗。仅需少量培训的工作人员即可执行测试，且仅需数秒的心音录音。
"若能排除确实无显著疾病的患者，我们就能将资源集中于最需要的人群，"阿加瓦尔教授指出。
在系统推广前，还需在真实全科医疗环境中对多样化患者群体进行进一步试验，研究人员也指出中度瓣膜疾病的检测难度更大。但随着人口老龄化，这种AI方法可显著缓解NHS日益增长的压力。
"瓣膜疾病是可以治疗的。我们能修复或更换受损瓣膜，使人们获得更长的健康寿命，"斯蒂兹教授强调，"但时机至关重要。此类简单、可扩展的筛查工具可通过在不可逆损伤发生前发现患者，真正改变医疗现状。"
该研究部分获得国家卫生研究所、英国心脏基金会以及英国研究与创新署（UKRI）下属医学研究理事会（MRC）的支持。阿南拉格·阿加瓦尔是剑桥大学伊曼纽尔学院研究员。
【全文结束】
