来自罗格斯健康和RWJBarnabas Health的研究人员开发了一种人工智能（AI）技术，该技术可以将基本的心电图（ECG）读数转化为通常通过超声心动图获得的复杂心脏运动信号，这可能改善心脏病的检测和监测方法。
这项研究发表在《自然心血管研究》杂志上。
“心电图非常便宜，”高级研究作者Partho Sengupta说。他是罗格斯大学罗伯特伍德约翰逊医学院的心脏病学教授兼主任，也是RWJBarnabas Health旗下罗伯特伍德约翰逊大学医院的心脏病学主任。“它甚至存在于苹果手表中，因此数百万人经常使用它。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使用生成式AI来评估心脏组织在心跳过程中的速度，并利用心电图的电信号。然后，它将这些信号转换成看起来与常规多普勒超声心动图测量的波形完全相同的波形。这些类型的信号使医生能够看到心脏在每次心跳过程中泵血和放松的情况。
这一创新解决了医疗保健中的一个关键问题：找到一种方法，通过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）训练了可以从电信号生成合成心脏运动波形的AI模型。在美国和加拿大的多个临床站点进行了严格的测试后，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）方面表现出高精度。
这种方法可以在传统方法之前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，传统的心电图可检测的变化出现得很晚，”Sengupta说。“合成TDI可以在射血分数下降之前很久就检测到心肌运动的细微纵向变化。新颖之处不仅在于依赖射血分数的变化，还在于心肌组织运动的更细微变化。”
在开发系统后，研究团队采取了几个步骤来验证从心电图数据生成的心脏运动波形。在随机测试中，经过认证的心脏超声医师无法区分真实波形和AI生成的波形。合成测量结果也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可以预测结果。
“我们在南美洲找到了一组患者，他们有心电图数据并随访至死亡，”Sengupta说。“我们的AI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久就预测死亡。”
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。分析显示，合成TDI技术可以将用于检测左心室收缩功能障碍的超声心动图数量减少64.3%，并将用于检测舒张功能障碍的超声心动图数量减少69.9%，同时分别错过1.4%和6.5%的病例。
该技术的应用范围不仅限于筛查。该技术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性心肌病患者的监测。
“为什么我们要等到症状出现才开始治疗，而疾病早在症状出现之前就已经开始了？”Sengupta问道。“我们能否通过筛查早期发现它？我们能否为心脏病制定类似于结肠镜检查的筛查方法？”
该技术来自一个包括医生和工程师在内的多学科团队。
“我们是从零开始开发的，而不是使用商业AI，”Sengupta说。
除了当前的应用，Sengupta设想了一个未来，其中会有患者心脏的数字“孪生”，可以在虚拟环境中测试治疗方法。医生会在选择对真实患者进行哪种治疗之前，在数字孪生上测试治疗效果。
“这几乎就像当你登陆火星时，NASA会创建模拟来查看哪些方法有效，哪些无效，然后再决定在现实世界中实施，”Sengupta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有效。”
(全文结束)
