研究人员来自罗格斯大学健康学院和RWJBarnabas Health，他们开发了一种人工智能（AI）技术，能够将基本的心电图（ECG）读数中的电活动转换为通常通过超声心动图获得的复杂心脏运动信号，从而可能改善心脏病的检测和监测。
“心电图非常便宜，”该研究的资深作者、罗格斯大学亨利·罗格斯教授兼罗伯特伍德约翰逊医学院心脏病学主任帕尔托·森古普塔表示。“它甚至在苹果手表中也有，所以数百万人经常使用。超声心动图的价格大约是心电图的5到10倍，因为它需要专家用超声设备在患者胸部移动一段时间。”
这项正在申请专利的技术利用生成式人工智能来评估心跳期间心脏组织的速度，使用来自心电图的电信号。然后，它将这些信号转换为速度波形，这种波形看起来与传统上通过多普勒超声成像在超声心动图中测量的波形完全相同。这些类型的信号使医生能够看到心脏在每次心跳时泵血和放松的情况。
这一创新解决了关键的医疗缺口：找到一种方法，利用廉价且广泛可用的工具如心电图早期检测心脏功能障碍，并将合适的患者转介给专科医生进行更昂贵的影像学检查。
研究人员使用生成对抗网络（GANs）训练了能够从电信号生成合成心脏运动波形的人工智能模型。在美国和加拿大的多个临床站点进行的严格测试中，该技术在检测舒张功能障碍（心脏放松问题）和收缩功能障碍（心脏收缩问题）方面表现出高准确性。
这种方法可以比传统方法更早地检测到心脏问题。
“当高血压、糖尿病或冠状动脉疾病等风险因素开始影响心肌时，心电图可检测的变化出现得很晚，”森古普塔说。“合成TDI可以在射血分数下降之前很久就检测到心脏功能的细微纵向变化。新颖之处不仅在于依赖射血分数的变化，还在于心脏组织运动的更细微变化。”
在开发出该系统后，研究团队采取了几个步骤来验证其从心电图数据生成的心脏运动波形。经过认证的超声心动图医师在随机测试中无法区分真实波形和AI生成的波形。合成测量结果还产生了随患者生理和临床参数（如年龄和血压）变化的波形，就像真实测量结果一样。
最重要的是，合成TDI能够预测结果。
“我们在南美洲找到了一个大样本患者群体，他们有心电图数据并进行了随访直至死亡，”森古普塔说。“我们的人工智能能够利用他们的心电图数据，在标准心电图分析显示问题之前很长时间就能预测生存分析中的死亡。”
除了早期发现更多的心脏病外，这项创新还可以防止不必要的医学检查。分析表明，合成TDI技术可以减少64.3%的用于检测左心室收缩功能障碍的超声心动图数量，以及减少69.9%用于检测舒张功能障碍的超声心动图数量，而漏诊率分别为1.4%和6.5%。
该技术的应用范围不仅限于筛查。它还可以改善接受心脏毒性治疗的癌症患者或服用改变肌肉功能的新药的肥厚型心肌病患者的监测。
“为什么我们要等到症状出现才开始治疗？疾病其实早就开始了，”森古普塔问道。“我们能否通过筛查及早发现它？我们能否为心脏病制作相当于结肠镜检查的东西？”
这项技术是由一个多学科团队开发的，该团队由国家科学基金会的Bridges to Digital Health项目资助，该项目将医生和工程师聚集在一起。
“我们是从零开始开发一切，而不是使用商业AI，”森古普塔说。
除了当前的应用之外，森古普塔设想未来会有患者的数字“双胞胎”，其中可以虚拟测试治疗方法。医生将在选择对实际患者进行何种治疗之前，先在数字双胞胎上测试治疗效果。
“这几乎就像登陆火星时，NASA会创建模拟来查看哪些方法有效，哪些无效，然后再决定在物理现实中进行操作，”森古普塔说。“这就是我们在心脏病学领域的发展方向。我们希望有一个项目计划，一个蓝图，显示哪种疗法最有可能奏效。”
(全文结束)
