深度学习赋能心电图图像识别：突破肥厚型心肌病筛查新维度

来自耶鲁纽黑文医院的研究团队开发了一种深度学习模型，通过解析12导联心电图(ECG)图像实现肥厚型心肌病(HCM)的自动化诊断。该模型在耶鲁(YNHH)、MIMIC-IV、荷兰AUMC和英国UKB四个独立队列中展现出稳定优异的性能(AUROC 0.91-0.95)，尤其在前外侧导联V4-V5区域识别出关键特征，为临床场景下的HCM图像筛查提供了标准化解决方案。

　　

肥厚型心肌病(HCM)这个"沉默杀手"常被临床漏诊，而科学家们正在用AI技术改写这一现状。耶鲁团队构建的深度学习(DL)模型如同具备火眼金睛的ECG图像解码专家，它能从五花八门的12导联心电图布局中捕捉HCM的蛛丝马迹。研究团队让这个AI大脑"学习"了耶鲁纽黑文医院(YNHH)6.6万余名患者的12万+份ECG图像，所有病例都经过心脏磁共振(CMR)或超声心动图的严格验证。

这个智能诊断系统在闯关测试中表现惊艳：不仅在老家耶鲁内部测试拿到0.95的高分(AUROC)，远征荷兰阿姆斯特丹大学医学中心(AUMC)和英国生物银行(UKB)时，成绩依然稳定在0.91-0.92。有趣的是，无论ECG图纸如何排版，AI总能精准锁定V₄-V₅导联区域的异常波动模式——这些前外侧导联就像是HCM留下的特殊摩斯密码。

这项突破意味着，今后基层医生用手机拍张ECG照片上传，就能获得媲美顶级医院的HCM筛查结果。这种不依赖专业ECG机器的"看图说话"式诊断，或将重塑心血管疾病的早期筛查格局。