美国心脏协会科学会议2025，摘要编号4369348
研究亮点：
- 一种人工智能(AI)工具利用智能手表背面和数字表冠的电心脏传感器获取的单导联心电图，成功检测出结构性心脏问题。
- 该AI算法在600名成人智能手表单导联心电图测试中表现优异，准确识别出泵血功能减弱、心脏瓣膜损伤或心肌增厚等结构性心脏病。
- 搭载单导联心电图传感器的智能手表若配合本研究开发的此类AI工具，有望使结构性心脏病筛查更加便捷普及。
- 注：本新闻稿报道的研究为摘要形式。在美国心脏协会科学会议上展示的摘要未经同行评审，其发现被视为初步结果，直至在同行评审科学期刊上发表完整论文。
embargoed until 4 a.m. CT/5 a.m. ET, Monday, Nov. 3, 2025
达拉斯，2025年11月3日 — 据一项将于美国心脏协会科学会议2025上展示的初步研究显示，人工智能(AI)算法结合智能手表上的单导联心电图(ECG)传感器能够准确诊断结构性心脏病，如泵血功能减弱、心脏瓣膜损伤或心肌增厚。该会议将于11月7-10日在新奥尔良举行，是心血管科学领域最新科研进展、研究成果和循证临床实践更新的全球顶级交流平台。
研究人员表示，这是首个前瞻性研究证明，AI算法能够基于智能手表背面和数字表冠的单导联心电图传感器测量数据检测多种结构性心脏病。
"数百万人佩戴智能手表，目前主要用于检测心房颤动等心律问题。而结构性心脏病通常需通过超声心动图诊断——这是一种需要特殊设备的高级心脏超声成像检查，不适用于常规筛查，"研究作者、康涅狄格州纽黑文市耶鲁纽黑文医院内科住院医师兼耶鲁医学院心血管数据科学(CarDS)实验室研究 affiliate 阿丽亚·阿米诺罗亚医学博士、公共卫生硕士表示，"在本研究中，我们探索了日常佩戴的智能手表是否也能帮助更早发现这些隐匿性结构性心脏病，避免其发展为严重并发症或心脏事件。"
研究团队利用来自11万余名成人的超过26.6万份12导联心电图记录开发了该AI算法。基于这一数据集，研究人员开发出可从单导联心电图识别结构性心脏病的算法，该心电图可通过智能手表传感器获取。为此，研究人员仅选取12导联心电图中的一个导联，模拟智能手表的单导联心电图。他们还考虑了使用真实世界智能手表记录单导联心电图时可能出现的随机信号干扰或"噪声"。随后，该AI模型使用社区医院就诊者数据及巴西一项基于人群的研究数据进行了外部验证。研究者进一步前瞻性招募600名参与者，使用智能手表进行30秒单导联心电图检测，以评估算法在真实场景中的准确性。
分析发现：
- 使用医院设备获取的单导联心电图，该AI模型在区分有无结构性心脏病人群中表现极为出色，在标准性能评分中获得92分（满分100分）。
- 在600名通过智能手表获取单导联心电图的参与者中，AI模型对结构性心脏病的检测准确率保持在88%的高水平。
- 该AI算法准确识别出大多数心脏病患者（86%灵敏度），且在排除心脏病方面高度准确（99%阴性预测值）。
"单凭单导联心电图能力有限，无法替代医疗环境中可用的12导联心电图检查。但借助AI，它足以强大到能够筛查重要心脏疾病，"该研究高级作者、CarDS实验室主任罗汉·克伊拉医学博士、理学硕士表示，"这可能使利用大众已拥有的设备进行大规模结构性心脏病早期筛查成为现实。"
研究背景、细节与设计：
- 研究人员使用2015至2023年间在耶鲁纽黑文医院接受检测和治疗的110,006名患者的266,054份心电图数据库，开发了从单导联心电图检测结构性心脏病的AI-ECG算法。
- 该算法与心脏超声扫描结果匹配，以确定患者是否患有结构性心脏病。
- AI模型随后在四家社区医院就诊的44,591名成人和基于人群的ELSA-Brasil研究中的3,014名参与者中得到验证。巴西成人健康纵向研究(ELSA-Brasil)主要收集关于慢性疾病（尤其是心血管疾病和糖尿病）发展与进展的重要信息。
- 为使AI模型适应解读真实世界单导联心电图信号，研究人员在模型训练中加入"噪声"——类似于杂音或静电——这一微小调整使AI在处理非完美信号时更具韧性与可靠性，即使数据不够清晰也能更好地识别结构性心脏病。
- 在真实世界前瞻性研究中，600名患者在进行心脏超声检查的当天，佩戴同款带单导联心电图传感器的智能手表30秒。
- 参与者中位年龄为62岁，约半数为女性，44%为非西班牙裔白人，15%为非西班牙裔黑人，7%为西班牙裔，1%为亚裔，33%为其他族裔。约5%在心脏超声检查中被发现患有结构性心脏病。
研究局限性包括前瞻性研究中实际患病患者数量较少及假阳性结果数量。
"我们计划在更广泛场景中评估该AI工具，并探索如何将其整合到社区心脏病筛查项目中，以评估其对改善预防性护理的潜在影响，"阿米诺罗亚表示。
【全文结束】
