近日，在一項(xiàng)大型國(guó)際研究中，研究人員測(cè)試了AI模型是否能夠替代人工分析長(zhǎng)期心電圖（ECG）記錄，研究結(jié)果表明，AI漏診的次數(shù)比人工低14倍。

這項(xiàng)研究由瑞典隆德大學(xué)心血管流行病學(xué)副教授Linda Johnson和加拿大麥克馬斯特大學(xué)與漢密爾頓衛(wèi)生科學(xué)中心聯(lián)合研究所的高級(jí)科學(xué)家Jeff Healey共同領(lǐng)導(dǎo)，研究結(jié)果已發(fā)表在《Nature Medicine》期刊上。

人類心臟每天跳動(dòng)8萬到2萬次，長(zhǎng)期心電圖記錄下每一次心跳，之后需要通過人工分析來發(fā)現(xiàn)其中的異?！葱穆墒С＃@一過程既耗時(shí)又復(fù)雜。

此次研究包含了14,606名患者，患者的平均心電圖記錄時(shí)間為14天，總計(jì)超過200,000天的心電圖數(shù)據(jù)。這些數(shù)據(jù)首先由心電圖技術(shù)員采用標(biāo)準(zhǔn)臨床方法進(jìn)行分析，然后使用由波蘭MEDICALgorithmics公司專門開發(fā)的AI算法“DeepRhythmAI”進(jìn)行重新分析。

Johnson表示：“我們隨機(jī)選擇了5000多個(gè)心律失常的病例，進(jìn)行逐拍分析，17個(gè)專家小組（主要由心臟病專家和電生理學(xué)家組成）來自世界各地，他們?yōu)槲覀兲峁┝藰O為高質(zhì)量的‘黃金標(biāo)準(zhǔn)’診斷結(jié)果，我們用這個(gè)標(biāo)準(zhǔn)與心電圖和AI算法的解釋結(jié)果進(jìn)行比較?！?/p>

研究發(fā)現(xiàn)，AI分析相比人工分析，漏診嚴(yán)重心律失常（包括完全性心臟傳導(dǎo)阻滯、室性心動(dòng)過速和房顫）的次數(shù)減少了14倍。AI漏診嚴(yán)重心律失常的比例為0.3%，而技術(shù)員為4.4%。

研究人員指出，研究的目標(biāo)并不是證明AI在診斷特定心律失常方面是否比心臟病專家更好或同樣有效，而是探索如果用AI替代技術(shù)員，醫(yī)生直接收到AI報(bào)告時(shí)會(huì)發(fā)生什么。如果這種方法成功，將是一個(gè)重大創(chuàng)新，有助于解決全球?qū)δ軌蚪庾x長(zhǎng)期心電圖監(jiān)測(cè)數(shù)據(jù)的專業(yè)人員短缺問題。

Johnson表示：“全球大約缺少1500萬醫(yī)護(hù)人員。移動(dòng)心電圖需要經(jīng)過專門培訓(xùn)的工作人員分析，通常稱為心電圖技術(shù)員。人員短缺導(dǎo)致了全球醫(yī)療體系的巨大瓶頸，同時(shí)，如果我們能進(jìn)行更多、時(shí)間更長(zhǎng)的移動(dòng)心電圖記錄，患者也會(huì)受益?！?/p>

她補(bǔ)充道：“我們認(rèn)為AI能夠解決這個(gè)問題。這就是為什么我們想要研究，如果完全跳過心電圖技術(shù)員，讓AI算法來檢測(cè)心律失常，再由心臟病專家復(fù)核，會(huì)發(fā)生什么情況?！?/p>

這是首項(xiàng)不僅測(cè)試AI算法如何評(píng)估單個(gè)選定心電圖片段，還探索如果用AI替代人工技術(shù)員會(huì)發(fā)生什么的研究。

Healey表示：“今天，大多數(shù)長(zhǎng)期心電圖設(shè)備都使用某種類型的AI來輔助解讀，但質(zhì)量參差不齊。有些地方長(zhǎng)時(shí)間等待心電圖監(jiān)測(cè)，甚至可能需要幾個(gè)月。如果我們有一個(gè)合格的AI模型來分析所有心電圖數(shù)據(jù)，那么我們將能夠提供更便宜且更快速的診斷?！?/p>

在設(shè)計(jì)這項(xiàng)研究時(shí)，研究人員認(rèn)為AI必須具備幾個(gè)關(guān)鍵特點(diǎn)。

Healey指出：“它必須具有近乎完美的敏感性，這意味著任何可能是嚴(yán)重心律失常的情況都必須標(biāo)記出來供醫(yī)生評(píng)估。這是最重要的一點(diǎn)；患者和醫(yī)生都不能容忍嚴(yán)重心律失常的漏診（即假陰性）。同時(shí)，AI模型不應(yīng)過度識(shí)別那些并不嚴(yán)重的心律（即假陽性），否則會(huì)導(dǎo)致醫(yī)生需要審核大量非必要的病例?！?/p>

AI模型在14天的心電圖記錄中，能夠以99.9%的置信度排除嚴(yán)重心律失常。AI的假陽性率（在此情境下指誤判為嚴(yán)重心律失常的結(jié)果）為每千天記錄12個(gè)，而人工分析的假陽性率為每千天記錄5個(gè)。

Johnson總結(jié)道：“我們已經(jīng)展示了這個(gè)AI模型的能力，說明它的敏感性和準(zhǔn)確性。同時(shí)，我認(rèn)為這是所有參與者付出的巨大努力的成果。共有50位專家評(píng)審和心臟病專家對(duì)選定的心電圖逐拍進(jìn)行了分析。我們非常感謝所有支持這一研究、投入了大量時(shí)間和精力的人員。”

這項(xiàng)研究的成功意味著，AI在長(zhǎng)期心電圖分析中的應(yīng)用將可能極大地提升心律失常診斷的效率，并解決全球醫(yī)療人力短缺的問題。

參考文獻(xiàn)：L. S. Johnson et al, Artificial intelligence for direct-to-physician reporting of ambulatory electrocardiography,?Nature Medicine?(2025).?DOI: 10.1038/s41591-025-03516-x

編輯：王洪

排版：李麗