研究人员在美国心脏协会2025年科学会议报告称，一种利用人工智能模型读取智能手表单导联心电图的应用程序能够检测结构性心脏病。
尽管该技术仍需进一步验证，但研究人员表示，它可以帮助在患者出现症状前改善对心力衰竭、瓣膜疾病和左心室肥厚患者的识别，从而改善这些患者的预后。
"这是我们首次展示从现实世界智能手表中检测多种结构性心脏病的潜力的研究，"康涅狄格州纽黑文耶鲁纽黑文医院内科住院医师阿里亚·阿米诺罗亚医学博士(MD, MPH)表示，他领导了这项工作。
阿米诺罗亚表示，结构性心脏病通常多年未被发现，患者往往直到出现症状时才被诊断。"我们错过了这些疾病无症状的窗口期，在这个时期我们本可以更早干预，可能改变疾病轨迹并改善预后，"他说。
他表示，大多数智能手表可以记录简单的心电图，这可以提供关于心律的有限信息，但对可能的结构性心脏病没有有意义的洞察。
"即使医院的12导联心电图对结构性心脏病的信息也很有限。而智能手表只有一导联心电图，"阿米诺罗亚说。
在新研究中，阿米诺罗亚和耶鲁大学心血管数据科学实验室的同事开发了一种人工智能算法，可以解释智能手表记录的心电图以预测结构性心脏病的存在。
该模型通过检查266,054份来自110,006名患者的心电图开发而成，这些心电图在30天内与超声心动图配对。
"这意味着我们可以准确地将每份心电图与结构性心脏病的状态联系起来，"阿米诺罗亚说。
利用这些信息，他们训练了一个AI模型来解释智能手表生成的单导联心电图上的变化，以及这些变化如何与结构性心脏病相关联。
研究人员还引入了"噪声"，使模型更能抵抗可能由运动、肌肉抽搐或传感器干扰引起的人工信号。
该模型随后在四家社区医院的44,591名患者和基于人群的ELSA-Brasil研究的3,014名参与者中进行了外部验证。
研究人员在600名个体样本中测试了该模型，这些个体先用智能手表测量心电图并由应用程序解释，然后进行超声心动图检查。在测试的患者中，21名(5.3%)在超声心动图中发现有结构性心脏病。
研究人员报告称，该模型的受试者工作特征曲线下面积为0.88——阿米诺罗亚称"相当不错"——并展示了以86%的敏感性、87%的特异性、99%的阴性预测值和27%的阳性预测值识别结构性心脏病的能力。
阿米诺罗亚表示，该应用程序可用于识别心力衰竭、血管疾病和左心室肥厚。但他表示，该模型尚未被编程用于检测心肌病，尽管其他模型正在为此病症开发。
研究人员表示，该应用程序可用于改善基于社区的结构性心脏病筛查。
"人们可以用自己的智能手表自行使用，或者在教堂、杂货店和理发店等社区场所提供测试，这样拥有智能手表就不是先决条件，"阿米诺罗亚说。
阿米诺罗亚承认，还需要更多工作来找到检测结构性心脏病的敏感性与最小化假阳性读数率之间的正确平衡。
"我们需要找到一个既能改善结构性心脏病的检测又不会给医疗系统带来过度负担的平衡点，"他说。
"高性能水平"
波士顿马萨诸塞州总医院预防心脏病学主任普拉迪普·纳塔拉扬医学博士表示，虽然该技术在排除潜在结构性心血管疾病的可能性方面似乎很有前景，但由于报告的敏感性为86%，可能会遗漏许多个体。
他警告说，该算法必须在不一定寻求心脏成像的社区个体中进行验证，应用程序检测到的许多潜在问题可能并不反映临床上显著的结构性心脏病，并可能导致不必要的昂贵干预。
"尽管如此，我非常热衷于使用像心电图这样的低资源、高信息工具，特别是因为我们许多患者都佩戴腕戴式可穿戴设备，以改善心血管疾病护理和预防，"纳塔拉扬说。
整合挑战
辛辛那提大学医学院医学教授理查德·贝克医学博士表示，这项新研究"为可穿戴技术打开了大门，包括将单导联心电图纳入更广泛的心电图筛查对话中。"
但贝克指出，只有约18%声称具有心电图功能的智能手表已获得美国食品药品监督管理局批准用于该应用的医疗用途。
"尽管人工智能和可穿戴技术取得了显著进步，但这些创新的全部潜力在偏离预防轨道的医疗保健系统中仍未得到充分利用，"他说。"在一个能够提前数年识别疾病的预测工具触手可及的国家，挑战不在于技术能力，而在于集体意愿——即公平且合乎道德地整合这些工具。"
阿米诺罗亚、纳塔拉扬和贝克均报告没有相关财务关系。
【全文结束】
