评估心电图（ECG）数据的新方法正在改变心脏病筛查。由哥伦比亚大学和纽约长老会医院联合开发的深度学习模型EchoNext，通过分析常规心电图数据，可检测出传统诊断手段容易遗漏的结构性心脏病（SHD）高风险患者。
结构性心脏病涵盖全球数百万患者的心衰、瓣膜疾病等类型。由于确诊需要的超声心动图检查价格高昂且操作复杂，这类疾病长期存在诊断不足问题。延迟诊断不仅导致不必要的死亡和生活质量下降，还加重医疗系统负担。EchoNext模型的突破性在于：利用全球广泛存在的低成本心电图数据，通过卷积神经网络分析心电信号特征，筛选需要进一步进行超声心动图检查的患者。
该模型以超过120万条心电图数据（来自23万名患者）为基础进行训练。在《自然》杂志发表的8.5万例患者研究中，模型标记出9%的高风险患者，其中55%随后进行了首次超声心动图检查，确诊率高达74%，是常规检查确诊率的两倍。在与13名心脏病专家的盲测对比中，模型以77%的准确率显著超越专家们64%的平均准确率。
项目负责人皮埃尔·埃利亚斯医生表示："从医学院所学来看，心电图无法检测心衰或瓣膜疾病。但AI模型能捕捉到人类医生难以察觉的特征模式。"该模型已被美国FDA认定为突破性技术，目前正于8家医院急诊科开展临床试验，预计2026年完成。研究团队计划建立系统化的临床证据体系，推动这项技术在全球范围的应用。
埃利亚斯特别提到该模型已成功检测13种不同类型的心脏病，其基于AI的生物标记物有望拓展到其他医疗领域。临床试验期间，每周都有患者因模型提前预警得到及时救治。"我们的目标是在未来12个月内让尽可能多的患者受益。"他强调。
【全文结束】