评估人工智能增强技术在急性胸痛患者中的远程心电图（ECG）响应时间及诊断能力

《Frontiers in Cardiovascular Medicine》：Evaluation of AI-enhanced tele-ECG response time and diagnosis in acute chest pain patients

人工智能辅助心电图诊断在巴西急诊科的应用及响应时间研究。该回顾性观察性研究分析了25,346份心电图数据，排除技术问题后22,159份由17名心内科医生结合AI算法完成诊断。结果显示，0.9%病例诊断为STEMI，平均报告生成时间为75秒，STEMI报告时间为375秒。AI有效识别ST段异常、传导障碍等关键参数，显著缩短诊断时间。研究证实AI辅助远程心电图在低资源环境中的可行性，但高质量传输仍需改进。

　　在现代医疗体系中，急性胸痛的及时诊断和治疗对于改善患者预后至关重要。尤其是在缺乏现场心电图（ECG）专家的基层医疗机构，远程心电图（Tele-ECG）技术为提升诊断效率提供了新的可能。然而，人工智能（AI）在Tele-ECG中的应用及其对诊断准确性和报告生成速度的影响，目前仍存在一定的不确定性。本研究通过分析巴西圣保罗市一家远程医疗中心的数据，探讨了AI辅助心电图解读在提高报告生成速度和诊断质量方面的作用，同时评估了远程医疗机构在缺乏现场心脏病专家的情况下，对急诊患者进行心电图检查所获得的诊断结果。

研究显示，在25,346份提交的心电图记录中，有22,159份（87.42%）被成功分析，其余则因技术问题（如干扰、心房颤动、倒置导联或平直波形）被排除。这些技术问题使得心电图无法提供准确的诊断信息，因此未纳入最终分析。研究中还提到，由于是回顾性研究，未出现患者拒绝参与或退出的情况，所有数据均来自匿名化的临床记录，确保了研究的客观性和代表性。研究团队由17名认证的心脏病专家组成，他们使用AI软件进行初步分析，并根据AI提供的结果进行最终诊断和报告生成。

在分析过程中，AI系统通过识别心电图的波形形态和关键参数的变化，为心脏病专家提供了辅助信息。例如，AI能够自动测量PR、QRS和QT间期，并识别P波和T波，从而帮助专家更快地识别心电图异常。这种AI辅助的流程不仅提高了诊断效率，还减少了人为误差和工作流程中的不确定性。然而，最终的诊断报告仍然由心脏病专家撰写，以确保临床判断的准确性。研究发现，心电图报告的中位生成时间为75秒，而在ST段抬高型心肌梗死（STEMI）病例中，中位报告时间达到了375秒。这表明，尽管AI在加速诊断方面表现出色，但在某些需要进一步评估和确认的复杂病例中，仍然需要专家的深入分析。

从诊断结果来看，STEMI的发生率相对较低，仅占所有分析病例的0.9%。这可能反映了研究对象群体中存在一定比例的低风险患者，他们主要通过急诊科作为主要的医疗服务入口。其他常见的诊断结果包括正常心电图（占44.25%）、心室复极化改变（21.92%）、窦性心动过速（9.32%）、完全性分支阻滞（4.56%）、左心室肥厚（4.34%）以及各种传导或复极化异常。这些结果说明，在缺乏现场心脏病专家的医疗机构中，远程心电图技术能够有效识别多种心电图异常，为临床决策提供支持。

研究团队强调，AI在远程心电图分析中的作用不仅限于提高报告生成速度，还包括在诊断过程中提供标准化的分析流程。这种标准化能够减少不同专家之间的主观差异，提高诊断的一致性和可靠性。此外，AI还能够在早期识别出可能需要紧急处理的心电图异常，如ST段抬高，从而帮助医疗团队更快地启动相应的治疗流程。然而，AI的使用仍然面临一些挑战，例如技术问题导致的部分心电图无法被分析，以及AI在某些情况下可能产生误报，需要心脏病专家进行人工复核。

本研究还指出，巴西在推广远程心电图技术方面仍处于初步阶段。尽管远程医疗已经在多个领域显示出其价值，但在心脏疾病领域，AI辅助的远程心电图分析仍需进一步探索和优化。特别是在农村和资源匮乏地区，缺乏先进的设备和完善的电子病历系统，使得远程心电图的实施面临更多障碍。因此，未来的研究应关注如何提升远程心电图系统的可用性，并确保其能够有效支持基层医疗机构的诊断需求。

研究团队也提到，虽然AI在提升诊断效率方面表现出色，但目前的研究并未涉及对AI与传统人工诊断方法的直接对比。因此，未来的工作可以进一步探讨AI在不同医疗环境中的实际应用效果，以及其对患者预后的影响。此外，对心脏病专家使用AI辅助工具的满意度和反馈也应进行更系统的研究，以评估AI在临床实践中的可行性和接受度。

综上所述，本研究揭示了AI在远程心电图分析中的重要作用，尤其是在提高报告生成速度和识别关键异常方面。尽管存在一些技术挑战和局限性，AI仍然为基层医疗机构提供了重要的支持，有助于改善患者护理质量。未来的研究应继续探索AI在远程医疗中的潜力，并推动其在更广泛医疗场景中的应用，以实现更高效的诊断和更优质的患者服务。