人工智能在分析长期心电图记录方面优于人类

对于有心律不齐、头晕或昏厥等症状的患者，或医生怀疑可能患有房颤的个体，可能需要许多天的心电图来诊断——“长期心电图记录”。这些记录必须经过耗时和人力资源密集的审查，以确定心律异常。在一项大型国际研究中，研究人员测试了人工智能模型是否可以代替人类分析长期心电图记录。结果是：人工智能的漏诊减少了14倍。

　　

研究简述：临床研究/同行评议发表/定量研究/ 14606例患者的横断面研究。

瑞典隆德大学心血管流行病学副教授琳达·约翰逊与加拿大麦克马斯特大学和汉密尔顿健康科学联合研究所人口健康研究所的资深科学家杰夫·希利共同领导了这项研究。研究结果发表在《自然医学》杂志上。

人类的心脏每天跳动8万到12万次。长期心电图记录每一次心跳，然后仔细检查记录是否异常——心律失常——这是一个耗时的过程。

目前的研究包括14606名患者，他们平均记录了14天的心电图；总共超过20万天的心电数据这些数据由心电图技术人员使用标准的临床方法进行审查。然后使用人工智能算法“DeepRhythmAI”重新分析相同的数据，该算法是由波兰MEDICALgorithmics公司专门为这项任务开发的。

Johnson说：“然后，我们随机选择了5000多例心律失常，由来自世界各地的17个专家医生小组（主要是心脏病专家和电生理学家）进行密集的逐次分析，这提供了一个非常高质量的黄金标准诊断，然后我们将心电图和人工智能算法的解释进行比较。”

研究人员发现，人工智能的分析导致严重心律失常（包括完全性心脏传导阻滞、室性心动过速和心房颤动）的漏诊率降低了14倍。人工智能的严重心律失常漏检率为0.3%，而技术人员的漏检率为4.4%。

研究人员的目的不是证明人工智能在诊断特定心律失常方面与心脏病专家一样好或更好。相反，这项研究试图确定，如果技术人员被替换，医生直接从人工智能那里收到报告，会发生什么。如果成功，这种方法将是一项重大创新，可以解决全球范围内能够解释长期心电图监测的训练有素的工作人员短缺的问题。

“全世界大约有1500万卫生工作者短缺。动态心电图需要经过专门训练的人员进行分析，这些人员通常被称为心电图技术人员。人手不足导致了全球医疗保健的巨大瓶颈，同时，如果我们做更多更长时间的动态心电图记录，而不是更短，患者将受益。我们相信人工智能可以解决这个问题。这就是为什么我们想研究如果你完全跳过心电图技术人员，让人工智能算法来检测心律失常，然后心脏病专家再进行检查，会发生什么。”约翰逊说。

这是第一个不仅测试人工智能算法在评估单个选定的心电图条方面有多好，而且测试如果人工智能取代人类技术人员，我们可以预期会发生什么的研究。

“今天，大多数长期心电图设备使用某种类型的人工智能来支持解释，但质量参差不齐。而且长期心电图监测的等待时间仍然很长，在某些情况下长达数月。如果我们有一个合格的人工智能模型，可以检查所有的心电图，那么我们将有更便宜和更快的诊断，”希利说。

在设计这项研究时，研究人员认为人工智能必须具备一些关键特征。

它必须具有近乎完美的灵敏度，这意味着任何潜在的严重心律失常都必须被医生标记出来进行评估。这是最重要的方面；患者和医生都不能容忍诊断严重心律失常失败（即假阴性）。与此同时，人工智能模型不能识别太多不严重的节律（即假阳性），否则就需要医生检查。”希利说。

在14天的心电图记录中，人工智能模型能够以99.9%的置信度排除严重心律失常。假阳性的数量（在这种情况下，结果被误解为严重心律失常）只是适度的：人工智能每1000个记录天中有12个，而人类分析每1000个记录天中有5个。

“我们已经展示了这种人工智能模型的功能，以及它的灵敏度和准确性。我也认为每个为这项研究做出贡献的人都做出了令人印象深刻的努力。总共有50位专家评审和心脏病专家逐个检查了所选的心电图。我们非常感谢所有支持这个想法并投入这么多时间和承诺的人，”约翰逊说。