在一项跨族裔英国生物样本库研究中验证基于AI的心电图图像分析以识别极端心脏磁共振指标

为什么一种简单的心脏检查可能做得更多

大多数人把心电图（ECG）看作是贴片和导线记录心脏电信号的快速检查。如果那些熟悉的波形能够在症状出现很久之前就揭示严重心脏问题的早期迹象——而无需昂贵的扫描仪或长时间住院——情况会怎样？本研究探讨了人工智能（AI）如何将普通的心电图记录转化为一种强大的筛查工具，识别那些通常只有高级磁共振（MRI）扫描才能发现的隐匿性心脏损伤。

把日常心电波形转化为更深的见解

传统心电图价格低、速度快且几乎随处可得，但有局限：许多结构性心脏问题不会在标准读数中留下明显线索。高级影像检查，如心脏磁共振（CMR）扫描，能更精确地描绘心脏的大小、形态和泵血功能——但它们成本高、耗时且并非广泛可及。本文的研究者此前已建立了可以“阅读”心电图图像并估算医生通常需用超声或磁共振确认的微妙心脏问题的AI系统。本研究旨在检验这些AI工具在一个与最初训练用的医院患者非常不同的大型普通人群中是否仍能良好运行。

作为真实世界试验场的大型健康数据库

研究团队利用了英国生物样本库的数据——一项长期项目，已从数十万名志愿者收集包括影像在内的健康信息。他们聚焦于38,804名在同一次随访中既接受了标准12导联心电图又接受了CMR扫描的人。研究者没有只寻找明显的疾病，而是将“异常”心脏定义为MRI测量值中最极端的1%——泵血功能差、出现应激征象、心肌异常肥厚或上腔室扩大等心脏。这使他们可以提出一个简单问题：能否读取心电图图像的AI可靠地挑出那一小部分其MRI扫描显示令人担忧变化的人？

AI识别心脏功能差或扩大表现如何

六个AI‑ECG模型表现令人印象深刻。它们在检测左心主要泵血腔室功能弱方面尤其出色，达到了早期研究仅在更小或更单一患者群体中显示的准确水平。系统在识别右心细微问题以及判断心肌异常肥厚或左上腔室扩大方面也表现良好。总体上，AI标记出的人群往往年龄更大、更可能有高血压或其他危险因素，这与临床预期一致。AI的绩效在不同年龄段、体型和病史中保持稳健，在许多情况下其表现优于医生使用了数十年的传统心电图规则。

这对日常护理可能意味着什么

由于AI可以在标准心电图图像上运行，它可以以最小的额外设备被添加到现有机型或软件中。在诊所、药房或社区筛查活动中，心电图可以在后台悄然通过AI模型，突出少数看起来异常的个体，这些人可能受益于进一步的MRI或超声检查。模型在排除重大问题方面尤其擅长：如果AI得分较低，该人出现极端MRI异常的可能性很小。这使得该方法适合作为早期预警过滤器，将有限的影像资源集中到最需要的地方。

重要的注意事项与未来道路

该研究存在局限。英国生物样本库的大多数志愿者具有欧洲血统且总体比典型住院患者更健康，因此结果可能无法完全反映在更具多样性或更重病人群中的表现。“异常”的定义基于统计极值而非标准临床阈值，这可能与医生通常的诊断方式不一致。此外，像许多现代AI系统一样，这些模型在很大程度上是黑箱式的，几乎不能直接说明其决策过程。作者强调，未来工作必须进行前瞻性测试、随访患者并提高透明度，才能在将AI‑ECG安全纳入日常实践之前奠定基础。

一种具有深远前景的简单测试

总体而言，这项研究表明，AI能够从普通心电图中提取有关心脏结构和功能的丰富信息，在一个基于社区的大型人群中与复杂的MRI扫描结果高度一致。对普通读者而言，信息很直接：常规心电图配合智能算法，未来可能成为发现隐匿心脏问题的早期雷达系统。如果经过仔细验证和部署，增强型AI心电图或能帮助医生更早发现问题、指导谁需要更高级的检查，并将高质量的心脏筛查扩展到无法获得复杂影像检查的地区。

引用: Kim, Y., Lee, H., Choi, HM. et al. Validation of AI-enhanced ECG image analysis for identifying extreme cardiac magnetic resonance metrics in a cross-ethnic UK biobank study. Sci Rep 16, 11996 (2026). https://doi.org/10.1038/s41598-026-41824-5

关键词: 人工智能心电图, 心脏磁共振成像, 心衰筛查, 左室肥厚, 人群心脏健康