人工智能有望帮助医生提前数年检测严重心脏瓣膜疾病，从而挽救数千生命，剑桥大学主导的一项新研究表明。
阿努拉格·阿加瓦尔教授。供图——剑桥大学工程系
研究人员利用人工智能算法分析了近1,800名患者的心音数据，该算法经专门训练可识别常被忽视直至危及生命的心脏瓣膜疾病。心脏瓣膜疾病影响超过半数65岁以上人群，其中约十分之一患有严重病变。
该人工智能准确识别出98%的重度主动脉瓣狭窄患者（这是最常见需手术干预的瓣膜疾病），以及94%的重度二尖瓣反流患者（心脏瓣膜无法完全闭合导致血液倒流）。
这项结合数字听诊器的技术在检测瓣膜疾病方面表现优于全科医生，可作为初级医疗中的快速筛查工具。研究成果已发表于《npj心血管健康》期刊。
"瓣膜疾病是一场'沉默的流行病'"，剑桥大学工程系牵头该研究的阿努拉格·阿加瓦尔教授表示，"英国约有30万人患有重度主动脉瓣狭窄，其中三分之一尚未察觉。当症状显现时，预后可能比多种癌症更差。"
瓣膜疾病早期通常无症状。"若不及时治疗，晚期症状出现后两年内死亡风险可高达80%"，伯明翰大学医院的合著者里克·斯蒂兹教授指出，"当前唯一有效疗法是修复或置换瓣膜的手术。"
目前瓣膜疾病诊断依赖超声心动图——这一金标准技术虽有效，但成本高昂且耗时。英国国民保健服务（NHS）的候诊时间常长达数月，无法作为大众筛查工具。
医生虽可使用听诊器检查心脏，但在短暂的全科诊疗中这并非常规操作，且易漏诊大量病例。
"心脏听诊是项高难度技能，在繁忙的全科诊所中应用日益减少，"阿加瓦尔解释道，"这正是大量瓣膜疾病被漏诊的主因之一。"
此项由五家NHS信托机构的工程师、心脏科医生、研究护士及其他临床专家合作开展的研究，使用数字听诊器采集了1,767名患者的心音数据。每位参与者均接受了作为参照标准的超声心动图检查。
研究团队未训练算法识别传统诊断标志——心脏杂音，而是直接基于超声心动图结果进行训练。这使系统能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。
在与14名全科医生对相同录音的测试对比中，该算法 consistently 超越所有医生。全科医生的判断差异显著：部分侧重灵敏度，部分侧重特异性。而人工智能每次均提供可靠结果，对严重疾病的检测尤为精准。
该系统设计着重降低误报率，避免已超负荷的超声心动图服务雪上加霜。研究人员强调，此技术并非取代医生，而是作为筛查辅助工具，帮助医生确定需转诊进一步诊疗的患者。
仅需数秒心音录音，经基础培训的医护人员即可完成检测。"若能排除明确无显著病变者，我们便能集中资源救治最需帮助的患者，"阿加瓦尔表示。
研究团队指出，在真实全科医疗环境开展的后续试验，需纳入多样化患者群体，方能推广至大众应用。此外，中度瓣膜疾病的检测难度更高。
然而，人工智能有望缓解老龄化人口对医疗系统的日益增长的压力。
"瓣膜疾病可治疗。我们能修复或置换受损瓣膜，为患者延长多年健康寿命，"斯蒂兹强调，"但时机至关重要。此类简易、可扩展的筛查工具通过在不可逆损伤发生前发现患者，或将产生实质性改变。"
本研究获英国国家健康研究所、英国心脏基金会及英国研究与创新署下属医学研究理事会部分资助。
【全文结束】
