结构性心脏病（SHD）是一种日益流行的疾病，会给心脏瓣膜、心脏壁及心腔带来不良影响，引起瓣膜性心脏病、右侧和左侧心力衰竭、肺动脉高压和左心室肥大等疾病。虽然所有类型的SHD都可以通过超声心动图明确诊断，但由于该方法使用时候需要花费较高成本，并要求使用人员具备专业知识，使得其对SHD的广泛筛查受限。由于该疾病往往在晚期才会出现症状，因此，对患者进行风险分层并确定需要进行超声心动图检查的转诊患者对于提高SHD的诊断率和早期治疗率至关重要。

哥伦比亚大学和纽约长老会医院的研究人员在《Nature》期刊上合作发表题为“Detecting structural heart disease from electrocardiograms using AI”的研究文章。该研究开发一款名为EchoNext的人工智能筛选工具，该工具通过深度解析常规心电图（ECG）数据，实现了对结构性心脏病患者的精准识别。临床验证显示其诊断准确率不仅超越了资深心脏病专家的诊断水平，更在与AI辅助诊断系统的对比测试中展现出显著优势。

该项研究用来自23万名患者的120多万心电图-超声心动图对EchoNext进行训练，然后对近85000名未做过超声心动图且正在接受心电图检查的患者使用EchoNext进行验证，发现EchoNext识别出超过7500位存在高风险的SHD，对这些患者进行为期一年的跟踪观察后，55%的人接受首次超声心动图检查发现近四分之三被诊断出SHD。相较于其他首次接受超声心动图检查但未借助AI工具的人群，该人群的SHD阳性率是其两倍。此外，研究对比了13位心脏病专家对3200份心电图（1600份没有AI辅助，1600份有AI辅助，每位专家平均评估246份）与EchoNext模型对150份心电图的评估结果，结果发现在未使用AI辅助的情况下，心脏病专家的准确率为64.0%、灵敏度为61.1%、特异性为66.1%；在使用AI辅助的情况下，心脏病专家的准确率、灵敏度、特异性分别提升至69.2%、64.7%、72.4%。而单独使用AI的情况下，准确率为77.3%，灵敏度为72.6%，特异性为80.7%。

该研究开发的EchoNext能够同时检测多种SHD，突破了传统SHD筛查手段在疾病覆盖广度和适用场景上的局限，且准确性优于人类专家。这不仅为心血管疾病的早期诊断与干预提供了关键技术支撑，更对构建智能化公共卫生防控体系具有重要的战略价值。

论文链接：

https://www.nature.com/articles/s41586-025-09227-0

注：此研究成果摘自《Nature》期刊，文章内容并不代表本网站的观点和立场，仅供参考。