共计 726 个字符，预计需要花费 2 分钟才能阅读完成。
结构性心脏病，包括瓣膜病、先天性心脏病和其他影响心脏功能的问题，影响着全球数百万人。然而，由于缺乏常规且负担得起的筛查测试，这些问题通常未被发现。
为了解决这一问题，美国哥伦比亚大学团队开发了名为 EchoNext 的 AI 驱动筛查工具。这款创新工具通过分析普通的心电图（ECG）数据，能够精准检测结构性心脏病。根据发表在《自然》杂志上的研究显示，EchoNext 在识别需要超声心动图检查的患者方面，准确率超越心脏病专家。
- 
哥伦比亚大学瓦格洛斯医学院的皮埃尔·埃利亚斯教授表示：“目前我们拥有结肠镜检查和乳腺 X 光检查，但大多数心脏病却缺乏相应的筛查工具。”EchoNext 通过分析心电图数据，能够准确判断何时需要进行心脏超声检查，实现了用更经济的检测手段筛选高风险患者。
该深度学习模型经过 23 万名患者的 120 多万对心电图 - 超声心动图数据的训练，在纽约长老会医院等多个医疗机构的验证研究中表现出色。EchoNext 不仅能识别心肌病引起的心力衰竭，还能准确检测瓣膜病、肺动脉高压和心脏严重增厚等结构性心脏问题。
在对比测试中，EchoNext 与 13 名心脏病专家共同评估了 3200 份心电图。结果显示，AI 工具准确识别了 77% 的结构性心脏问题，而心脏病专家的准确率为 64%。这一显著差异突显了 AI 在心脏病筛查领域的巨大潜力。
研究人员指出，EchoNext 有望将全球每年进行的约 4 亿次心电图转化为筛查结构性心脏病的机会，在最合适的时机提供挽救生命的治疗。这种心电图结合 AI 的创新筛查模式，能够发现传统方法难以检测的疾病，为心脏病早期诊断开辟了新途径。
这项突破性研究不仅为结构性心脏病的早期筛查提供了新的可能性，更有望在全球范围内提高诊断效率和治疗效果，为患者带来更好的预后。
