一种更低成本的检测，可能扩大早期心脏筛查的可及性

由 UT Southwestern Medical Center 研究人员主导的一项研究表明，人工智能可以让医学中最简单的心脏检查之一，在难以获得先进影像检查的地区变得更有用。在发表于 JAMA Cardiology 的研究中，团队发现，将 AI 系统应用于常规心电图（ECG），能够在肯尼亚患者中准确筛查出左心室收缩功能障碍，这是心力衰竭的重要前驱状态。

这一发现之所以重要，是因为与超声心动图相比，ECG 相对便宜且普及度更高，而超声心动图被认为是识别这类潜在心功能异常的金标准。在许多资源较有限的卫生系统中，超声心动图的可及性会受到设备成本、基础设施和专科人员数量的限制。结果是，许多患者直到心力衰竭发展到更晚期、也更难治疗时，才被确诊。

新结果指向一种更现实的替代方案：先使用广泛可得的检查，再通过 AI 分析找出最可能需要进一步随访的患者。如果得到验证并规模化部署，这种方法有望帮助诊断前移，在干预可能更有效的早期阶段发现疾病。

为什么这项研究对撒哈拉以南非洲很重要

心力衰竭在全球范围内都在增加，但撒哈拉以南非洲的负担尤其严重。研究人员指出，该地区的患者往往在更年轻时就发展出心力衰竭，而且即便他们的合并症比富裕国家患者更少，结局也更差。这种组合让早期发现显得格外重要。

在真正发展为心力衰竭之前，许多患者首先会出现左心室收缩功能障碍等前驱状态。在这种情况下，心脏左心室无法有效泵血。尽早发现这一问题可以帮助临床医生更早干预，但通常需要基于超声的心脏影像检查。

UT Southwestern 领衔的团队认为，这正是 AI-ECG 可以帮助填补的空白。该系统并不是要取代超声心动图，而是可以作为诊所和医院中的前端筛查层，优先识别那些最需要影像检查的患者，从而把稀缺的诊断资源集中到高风险人群身上。

研究发现了什么

原始报道将 AI 增强的 ECG 分析描述为：它能在肯尼亚准确筛查出患者潜在的心功能损害。作者将这种表现视为证据，说明 AI-ECG 有望成为在资源受限环境中识别心力衰竭风险人群的一种可扩展、可负担的方法。

UT Southwestern 的 Ambarish Pandey 表示，这些结果支持 AI-ECG 作为一种切实可行的筛查工具，尤其适用于超声心动图可及性受限的场景。这一区别很重要。研究并不是把单独的 ECG 描述成先进影像的最终替代品。相反，它表明，把标准 ECG 与 AI 解释结合起来，能在传统诊断路径难以扩展的环境中改善病例发现。

这项研究由 UT Southwestern 与肯尼亚 M.P. Shah Hospital 的 Bernard Samia 和 Kenya Cardiac Society 等合作伙伴共同推进。这种合作很重要，因为医学 AI 的价值在很大程度上取决于它是否能在其预期使用的医疗系统中表现良好。在肯尼亚真实世界环境中的证据，比纯理论或实验室验证更具现实意义。