Workflow
结构性心脏病筛查
icon
搜索文档
苹果手表已能“读懂”心电图
第一财经· 2025-11-04 08:14
技术突破与核心发现 - 苹果手表首次利用单导联心电图结合人工智能算法识别出结构性心脏病,该技术有望改变未来心脏病的筛查方式[3] - 人工智能算法的核心是基于超过11万名患者的26.6万份12导联心电图数据开发而成,并在超过4.5万名患者身上进行了外部验证[3] - 该人工智能算法检测结构性心脏病的准确率达到86%,在未患病人群中排除疾病的准确率高达99%[4] 行业应用与市场潜力 - 具备人工智能技术的可穿戴设备已开始应用于房颤或心律失常等心脏疾病的检测,其在心力衰竭、心脏瓣膜疾病等"隐匿性心脏病"领域若能发挥作用将产生巨大社会价值[4] - 人工智能增强型心电图开创了一种全新的筛查模式,使得大规模早期筛查结构性心脏病成为可能,并能利用人们已拥有的设备[4] - 哥伦比亚大学的研究显示,人工智能独立分析心电图数据的检测准确率已高于AI辅助下的人类心脏病专家[4] 临床整合与未来方向 - 临床医生未来可通过设定阈值,将人工智能的心电图解读与临床知识结合,以确定患者是否需要接受超声心动图检查,从而避免不必要的检查[5] - 未来的心脏病风险预测可能受益于多模态模型,通过整合胸部X光片、实验室检验结果和心电图等数据对患者风险进行更全面的评估[5] - 人工智能检测方法的挑战包括模型集成和采用的复杂性增加,以及模型泛化能力较差等问题,需要在临床使用中进一步优化[5]
苹果手表已能“读懂”心电图,首次用于识别“隐匿性”心脏病
第一财经· 2025-11-04 07:41
技术突破 - 苹果手表首次利用单导联心电图结合人工智能算法识别出结构性心脏病,有望改变未来心脏病的筛查方式 [2] - 该人工智能算法基于超过11万名患者的26.6万份12导联心电图数据开发,并在超过4.5万名患者身上进行了外部验证 [2] - 人工智能算法检测结构性心脏病的准确率达到86%,在未患病人群中排除疾病的准确率达到99% [3] 应用前景与价值 - 该技术使得使用消费者已拥有的可穿戴设备进行大规模早期筛查结构性心脏病成为可能 [2][3] - 人工智能增强型心电图算法在心力衰竭、心脏瓣膜疾病等“隐匿性心脏病”领域发挥作用将产生巨大的社会价值 [3] - 心电图+AI可能开创一种全新的筛查模式,支持人工智能在大规模扩大心脏病筛查覆盖面方面的潜力 [4] 技术优势与比较 - 新技术仅利用智能手表的单导联心电图,即可筛查过去需12导联心电图才能检测到的结构性心脏病 [2] - 哥伦比亚大学开发的算法使AI独立分析心电图数据的检测准确率高于AI辅助下的人类心脏病专家 [3] 临床整合与未来方向 - 未来可通过设定阈值,结合AI的心电图解读与临床医生的知识,来确定患者是否需接受超声心动图检查,避免不必要的检查 [4] - 未来的心脏病风险预测可能受益于多模态模型,整合胸部X光片、实验室检验结果和心电图等进行全面评估 [4] 挑战与局限性 - 研究存在局限性,包括结构性心脏病患者样本量较小以及出现假阳性结果 [3] - 人工智能检测方法的挑战包括模型集成和采用的复杂性增加,以及模型泛化能力较差等问题 [4]
AI发现特定心脏病准确率已超过人类专家?心电图迎来技术飞跃
第一财经· 2025-07-22 15:19
人工智能在结构性心脏病筛查中的应用 - 开发了一款名为EchoNext的人工智能筛查工具,通过分析常规心电图(ECG)数据,能够准确识别出有结构性心脏病的患者,为下一步超声心动图诊断进行有效筛选 [1] - 人工智能模型接受了23万名患者超过120万对的心电图-超声心动图的对照训练,以检测多种形式的结构性心脏病 [2] - 对近85000名未做过超声心动图检查的患者使用EchoNext,识别出超过7500名存在未确诊的结构性心脏病的高风险患者,其中超过一半人接受了超声心动图检查 [2] 人工智能与人类专家的诊断准确率比较 - EchoNext模型对结构性心脏病诊断的准确率高达77.3% [2] - 在未使用AI辅助的情况下,心脏病专家的准确率为64%;在使用AI辅助的情况下,心脏病专家的准确率提升至69.2%,但仍低于EchoNext模型 [3] - 研究团队认为未来可以通过设定阈值,将人工智能的专业心电图解读与临床医生的知识相结合,来确定患者是否应该接受超声心动图检查 [4] 结构性心脏病的现状与筛查挑战 - 结构性心脏病在全球有数千万患者,包括心脏瓣膜病、右心和左心衰竭、肺动脉高压以及左心室肥厚等 [4] - 早期发现结构性心脏病能够降低死亡率、减少治疗成本并提高生活质量,但缺乏常规且经济有效的筛查测试 [4] - 目前超声心动图是明确诊断结构性心脏病的方法,但成本高、需要专业知识以及合适的患者选择,限制了其全面应用 [2] 未来发展方向 - 心电图+AI可能开创一种全新的筛查模式,支持人工智能在大规模扩大心脏病筛查覆盖面方面的潜力 [4] - 未来的心脏病风险预测可能会受益于多模态模型,例如整合胸部X光片、实验室检验结果和心电图等数据 [4] - AI检测方法也带来了一些挑战,如模型集成和采用的复杂性增加、泛化能力较差等,需要在临床使用过程中进一步优化和完善 [5]