共计 1234 个字符，预计需要花费 4 分钟才能阅读完成。
最新前瞻性研究数据显示，一种人工智能辅助的心电图筛查工具，在真实临床场景中成功应用，有效识别出此前未被诊断的肥厚型心肌病患者。这一人工智能心电图筛查工具的突破，意味着我们或许能够更早地发现这种遗传性心脏疾病，避免其进展至晚期或引发心脏急症时才被察觉。
肥厚型心肌病是最常见的遗传性心脏病之一，但其临床表现多样，加之传统筛查方法敏感性有限，常导致诊断延误。尽管基于人工智能的心电图算法在回顾性研究中展现出潜力，但其在真实世界临床应用的证据基础一直较为薄弱。为此，一项多中心前瞻性研究启动，旨在评估该人工智能心电图工具在常规临床实践中的表现。
真实医疗体系中的临床应用
2023 年 1 月至 12 月期间，研究人员在五个医疗系统中部署了名为 Viz HCM 的人工智能心电图算法。该工具能够自动分析 12 导联心电图，标记出提示肥厚型心肌病的迹象，并向临床医生发出警报，提示其复核结果并考虑进一步评估。
在筛查的近 14.6 万份心电图中，约有 3% 触发了人工智能的疑似肥厚型心肌病警报。临床医生复核了其中近 70% 的被标记病例，这表明在繁忙的临床工作中，该工具得到了广泛应用。在这些被复核的警报病例中，有 217 名患者符合研究标准并接受了随访。
值得关注的是，该研究队列涵盖了广泛的种族与民族多样性，包括黑人、亚裔、西班牙裔或拉丁裔患者，这支持了人工智能心电图筛查方法在心血管研究中代表性不足人群中的普适性。
加速随访与新诊断确立
大多数入组患者本身已存在需要进一步检查的临床指征，这促使他们接受了确诊所需的影像学检查或专家评估。从异常心电图到通过影像学检查确认肥厚型心肌病的中位时间仅略多于 7 天，凸显了人工智能警报在缩短诊断延迟方面的巨大潜力。
最终，共有 17 名患者（占入组患者的近 8%）被新确诊为肥厚型心肌病，病例在住院和门诊环境中均有发现。这些结果表明，基于人工智能的心电图筛查能够发现具有临床意义的病例，否则这些疾病很可能被遗漏。
优化警报机制，保持诊断效能
研究期间，研究人员通过调整算法的警报阈值，对系统进行了优化，以减少不必要的通知。这一调整使得被系统标记的心电图比例几乎降低了一半，但并未减少经临床复核后最终入组随访的患者比例。这一结果凸显了在支持该人工智能心电图筛查工具可持续临床应用时，平衡算法敏感性与警报负担的重要性。
对临床实践的启示
该研究表明，针对肥厚型心肌病的人工智能心电图筛查能够整合到多样化的临床工作流程中，并有效辅助病例识别。尽管新诊断的绝对数量不多，但早期发现肥厚型心肌病对于风险分层、家族筛查以及预防心力衰竭、心律失常甚至心源性猝死等不良后果具有重要意义。
研究作者指出，未来仍需进一步研究来评估该工具的可扩展性、长期临床结局效益，并将其与标准诊断路径进行比较。尽管如此，当前的研究发现标志着人工智能算法从概念验证向常规心血管护理实践转化迈出了重要一步。
参考文献
Love CJ 等。人工智能心电图用于肥厚型心肌病检测的临床实施。《心脏》期刊。2025;111(21):1029-1035。
