人工智能在心血管影像和心电图中的应用
《Cardiology in Review》:Artificial intelligence in cardiovascular imaging and electrocardiography
【字体:
大
中
小
】
时间:2026年10月15日
来源:Cardiology in Review 3.2
编辑推荐:
人工智能(AI),尤其是深度学习,正通过实现自动化采集辅助、量化分析、疾病检测和风险预测来重塑心血管影像学和心电图(ECG)领域。然而,单纯的高回顾性准确性并不能确立模型的可迁移性(transportability)或临床获益。本叙述性综述首先概述了AI开发生命周期,重点涵盖
人工智能(AI),尤其是深度学习,正通过实现自动化采集辅助、量化分析、疾病检测和风险预测来重塑心血管影像学和心电图(ECG)领域。然而,单纯的高回顾性准确性并不能确立模型的可迁移性(transportability)或临床获益。本叙述性综述首先概述了AI开发生命周期,重点涵盖数据与标注质量、架构选择、患者级数据划分、校准、外部验证和前瞻性评估。随后,该综述批判性地审视了心电图、超声心动图、心脏磁共振(CMR)、心脏计算机断层扫描(CT)和核医学的代表性进展。特别关注三个快速发展的领域:AI增强的ECG、视频及视觉-语言超声心动图,以及容积CT和CMR分析。我们比较了卷积神经网络、基于Transformer的模型、混合模型和生成模型;总结了可解释性AI方法,包括梯度加权类激活映射(Grad-CAM)、SHAP(SHapley Additive exPlanations)、积分梯度和遮挡测试;并分析了由标签、采样、人口统计学、设备和时间偏差导致的失效模式。定量示例表明,尽管内部验证结果看似理想,但模型性能在不同机构、人口群体和采集场景下可能出现下降。未来的进展将取决于基于工作流的前瞻性试验、具有透明基准的多模态基础模型、生命周期治理与监管,以及持续的上市后监测。
**引言**
心血管疾病(CVD)仍然是全球致残和致死的首位原因,持续对医疗卫生系统构成重大负担[1]。在中国,CVD每年导致超过500万人死亡,占全因死亡率的40%以上[2]。临床评估日益整合心电图(ECG)、心血管影像学、实验室检查和纵向电子健康档案(EHRs)[3]。这些数据数量庞大、异质性强,且经常分散在不同的工作流中,由此带来了延迟解读、阅片者间差异以及漏诊风险信号的问题。
心血管影像学可提供关于结构、功能、灌注和组织特征的详细评估。超声心动图、心脏计算机断层扫描(CT)、心脏磁共振(CMR)和核医学能生成大量的图像和视频数据集。虽然ECG不是传统的影像学模态,但它捕获与心脏结构和功能紧密耦合的动态生理信息,因此被纳入本综述。许多在诊断上具有意义的模式较为细微,分布在不同的时间点或视角中,或在常规解读期间难以进行一致性量化。
传统机器学习方法依赖于人工构造的特征和任务特定的流水线。深度学习(DL)如今可以直接从图像、容积数据、视频和波形中进行表征学习,支持自动化量化、诊断分类、图像重建和预后建模[4]。然而,证据基础参差不齐。许多研究仍为回顾性、仅经内部验证或疾病富集的研究,当模型遇到不同医院、扫描仪、人口分布、检查适应证或疾病患病率时,性能可能出现下降。
本叙述性综述围绕临床转化而非算法目录进行组织。我们保留了五个主要心血管模态的简洁覆盖以维持其临床整合背景,同时确立了三个分析焦点领域:AI增强的ECG、视频及视觉-语言超声心动图,以及容积CT和CMR分析。其余模态章节使用以验证成熟度、潜在临床贡献和模态特异性局限性为中心的一致框架。随后,我们比较模型家族、可解释性策略、偏差与数据退化模式,以及决定模型能否为患者或卫生系统带来效益的监管和工作流要求。
本叙述性综述采用了有目的性而非系统性的证据选择策略。我们优先考虑具有里程碑意义的方法学研究、多中心外部验证、前瞻性实施研究、随机对照试验,以及展示可迁移性、偏差或其他失效模式的报告。检索更新至2026年7月,并对关键综述和原始研究的参考文献列表进行了审查以识别其他相关工作。所得到的证据基础具有代表性而非全面性。
**AI在心血管影像学和ECG中的基础**
**数据、标注与队列构建**
高质量数据是临床可靠AI的基础。源数据包括原始或重建的数字影像和通信医学(DICOM)序列、电影循环、投影数据、派生的极坐标图以及数字化ECG波形。这些数据因厂商、采集方案、时间分辨率、重建核、滤波和噪声而异。因此,预处理旨在标准化输入,同时保留具有临床意义的变异,通常包括归一化、伪影处理、质量控制以及方向、采样或强度的协调[5]。
可靠的标注同样重要。标注可能基于专家解读、定量测量、侵入性参考标准、病理、纵向结局或对常规报告的文本挖掘[6]。每个来源引入不同的错误模式。报告来源的标注可能编码了当地的报告习惯;定量标注可能因采集质量和阅片者技术而异;下游临床结局可能反映了检测或治疗的可及性。共识阅片、裁定、标准化定义以及对随机标注样本的审计是估计和减少标注噪声的实用方法。
数据集规模本身并不能确保泛化能力[7]。队列应代表预期使用人群,包括相关的疾病表型、人口群体、厂商和图像质量层次[8]。划分必须在患者层面进行,使得同一患者的重复检查不能跨越训练集和测试集。基于站点和时间段的测试集通常比随机划分更具信息量,因为它们能暴露机构和时间依赖的捷径。图1概述了生命周期及各阶段的主要风险。
开放多媒体模态
**图1. 开放多媒体模态。** AI开发与临床转化生命周期。上方路径概述了四个顺序阶段:数据采集与准备、模型开发、验证和临床实施。下方部分总结了与数据质量、可迁移性、监测和临床治理相关的跨领域风险与保障措施。AI:人工智能;AUC:受试者工作特征曲线下面积;CCTA:冠状动脉CT血管造影;CMR:心脏磁共振;CNN:卷积神经网络;ECG:心电图;EHR:电子健康档案。
**架构选择**
卷积神经网络(CNNs)仍是心血管图像和信号分析的主力[9]。它们的局部感受野和多尺度特征层次结构非常适合以形态学驱动的任务,如分割、视角分类、波形模式检测和心腔量化。三维和时空CNN将此原理扩展到容积和视频数据,但增加了内存需求,并且可能仍不完善地聚合长程上下文。
基于Transformer的模型使用自注意力机制来整合远处的空间或时间信息[10]。当决策依赖于多个切片、相位、导联或视角时,这特别有用,如在多序列CMR或全面超声心动图中[11]。其优势并非普遍适用:Transformer通常需要更大的预训练数据集、更强的正则化和更多的计算资源,而设计良好的CNN在适度规模的任务特定数据集上仍可保持竞争力。跨研究的受试者工作特征曲线下面积(AUC)比较特别容易误导,因为人群、患病率、参考标准和验证设计的差异往往比架构本身的差异更大[12]。
混合模型将卷积提取的局部解剖结构与基于注意力的全局上下文整合相结合[13–14]。它们可能为CMR、CT和多模态ECG任务提供实用的折中方案,尽管增加的复杂性加大了优化、消融和部署的负担。
生成对抗网络、变分自编码器和扩散模型的区别在于其目标——合成、重建、去噪、超分辨率或模态迁移——而非单一主干。物理信息或展开重建模型增加了显式的数据一致性约束,对加速CMR尤为相关[15]。因此,合适的架构应根据数据几何形状、任务、标注规模、计算和部署环境来选择,而非仅仅追求新颖性。
**学习策略与模型开发**
大多数心血管AI系统使用监督学习将输入映射到分割掩膜、测量值、诊断或结局[16]。超参数必须仅使用验证数据来选择,数据增强应近似合理的采集变异,而非创建解剖学上不可能的图像。罕见表型和小结构需要显式的类别不平衡策略,如加权损失、焦点损失、平衡采样或困难负样本挖掘[17]。
自监督和弱监督学习可以通过掩码重建、对比学习或图像-文本对齐来利用大量未标注的检查集合,然后在较小的标注数据集上进行微调[18–19]。多任务模型在相关目标之间共享表征,如分割、关键点检测、功能估计和疾病分类,这可以提高效率和内部一致性[20–21]。然而,预训练并不能消除披露预训练人群、排除患者重叠以及评估增益在外部队列中是否持续的必要性。
**评估、外部验证与临床效用**
评估应与临床任务相匹配。分割需要重叠和边界指标,如Dice系数和Hausdorff距离[22]。定量测量应包括一致性和偏倚分析,包括Bland-Altman评估[23]。分类研究应报告区分度、敏感度、特异度、预测值和校准;预后研究应处理删失和时间范围问题。决策曲线分析可以估计在临床可行阈值下的净获益,但不能替代真正的实施研究[24]。
外部验证至关重要,因为内部测试可能遗漏对站点特异性混杂因素、文字覆盖、采集伪影或当地疾病患病率的依赖[25–26]。有用的验证阶梯从患者级内部测试进展到时间测试、外部医院和厂商、前瞻性静默部署、干预试验和上市后监测。亚组分析应预先设定并包含置信区间,而非一组效能不足的点估计值。校准应在每个站点分别评估,并仅使用与最终评估独立的数据进行重新校准。
前瞻性评估必须规定输出如何改变诊疗:谁接收结果、何时接收、触发了什么行动以及如何处理不一致病例。AI与超声操作员评估左心室功能的随机对照试验表明,评估可以从准确性扩展到工作流和阅片者表现[27]。使用多变量预测模型个体预后或诊断透明报告指南+人工智能(TRIPOD+AI)、联合人工智能报告标准(CONSORT-AI)和心血管影像学相关机器学习评估拟议要求(PRIME)检查表可以促进可重复性和关键评价[28–30]。
**跨心血管模态的应用**
表1总结了代表性研究,并区分了技术贡献、验证强度和残余局限性。
表2和表3总结了可解释性方法以及主要失效模式及其对应的评估和缓解策略。
**表1. 代表性心血管AI研究、贡献与局限性**
| 研究 | 模态 | 任务与输入 | 模型/规模 | 验证 | 主要贡献 | 关键局限性* |
|---|---|---|---|---|---|---|
| Hannun等, 2019[31] | 心电图 | 动态心律分类 | 深度卷积神经网络;91,232条单导联记录 | 独立测试集;专家对比 | 建立了专家级心律分类能力 | 单导联动态环境;非临床结局试验 |
| Attia等, 2019[32] | 心电图 | 从12导联心电图识别左室收缩功能障碍 | 卷积神经网络;配对心电图-超声数据 | 内部验证;后续实用性试验 | 建立了潜在结构性疾病筛查能力 | 预测值和校准取决于部署人群的患病率 |
| Lin等, 2024[33] | 心电图 | 住院死亡率预警 | AI心电图预警与临床反应关联 | 实用性随机试验 | 证明了患者结局评估 | 效果取决于反应方案和当地工作流程 |
| Poterucha等, 2025[34] | 心电图 | 从心电图识别多种结构性疾病 | 大型多任务模型;超过100万条配对记录 | 外部验证 | 将AI心电图从单一疾病扩展到广泛表型分析 | 疾病富集和转诊负担仍然取决于环境 |
| Ouyang等, 2020[35] | 超声心动图 | 逐心动周期的左室射血分数(LVEF)评估 | 时空卷积神经网络 | 外部评估和阅片者对比 | 基于视频的功能评估 | 视图选择受限;依赖于采集质量 |
| He等, 2023[27] | 超声心动图 | 初始LVEF评估 | AI与超声技师工作流程对比 | 盲法随机试验 | 证明了非劣效/改善的阅片者工作流程评估 | 单一测量任务;本地实施背景 |
| Christensen等, 2024[36] | 超声心动图 | 片段级图像-文本表征 | 视觉-语言基础模型 | 外部任务评估 | 实现了标签高效的迁移学习 | 片段级模型可能忽略检查级背景信息 |
| Vukadinovic等, 2026[37] | 超声心动图 | 多视图检查解读 | 视图引导的视频-语言模型 | 多医疗系统 | 向检查级结构化解读迈进 | 缺少视图的鲁棒性和前瞻性影响有待验证 |
| Zhang等, 2022[38] | 心脏磁共振 | 无对比剂瘢痕评估 | 生成式虚拟原生增强 | 外部临床队列 | 无需对比剂即可估计LGE样信息 | 合成增强可能遗漏或幻觉出局灶性病变 |
| Wang等, 2024[39] | 心脏磁共振 | 多疾病筛查/诊断 | 视频Swin Transformer;电影序列±LGE | 多中心评估 | 序列感知的诊断流程 | 复杂性和对对比剂的依赖限制了可迁移性 |
| Jacob等, 2025[40] | 心脏磁共振 | 多任务心脏磁共振分析 | 视觉基础模型 | 多项下游任务 | 改善了少样本迁移能力 | 需要广泛的供应商/序列和任务特定基准对比 |
| Coenen等, 2018[41] | CCTA | CT-FFR评估 | 机器学习对抗侵入性FFR | 国际多中心联盟 | 超越了解剖学解释的功能性评估 | 性能受钙化、运动和参考标准影响 |
| Kim等, 2025[42] | CCTA | 从自动化冠状动脉疾病分析预测主要不良心血管事件 | 深度学习CCTA流程 | 外部/纵向结局评估 | 将自动化斑块分析预后联系 | 增量价值可能取决于相关衍生特征 |
| Betancur等, 2018[43] | SPECT | 快速心肌灌注成像中的阻塞性冠状动脉疾病 | 深度卷积神经网络 | 多中心研究 | 证明了多中心诊断性能 | 协议和示剂的泛化性仍然重要 |
| Pieszko等, 2023[44] | SPECT/PET | 时间和事件特异性风险 | 深度学习灌注风险模型 | 纵向验证 | 从诊断向个性化风险拓展 | 临床行动阈值和前瞻性影响尚未确立 |
*关键局限性反映了作者对研究设计和潜在临床转化的批判性评价,不仅限于原始研究者明确陈述的局限性。
AI:人工智能;CAD:冠状动脉疾病;CCTA:冠状动脉CT血管造影;CMR:心脏磁共振;CNN:卷积神经网络;CT-FFR:CT衍生的分数流储备;DL:深度学习;ECG:心电图;Echo:超声心动图;FFR:分数流储备;LGE:延迟钆增强;LV:左心室;LVEF:左心室射血分数;MACE:主要不良心血管事件;MPI:心肌灌注成像;PET:正电子发射断层扫描;SPECT:单光子发射计算机断层扫描。
---
**表2. 可解释AI方法及心血管适用性**
| 方法 | 最适输入 | 输出 | 潜在心血管用途 | 主要局限性 | 最低验证要求 |
|---|---|---|---|---|---|
| Grad-CAM | CNN图像/视频特征;适配的心电图表征 | 类别特异性热图 | 定位支持预测的图像区域、帧或波形片段 | 分辨率粗糙;依赖架构;可能视觉上合理但不忠实地反映模型决策 | 随机化/合理性检查;遮挡一致性;跨站点稳定性 |
| 遮挡/扰动 | 图像、视频、心电导联或时间窗口 | 遮挡后的预测变化 | 测试对冠状动脉节段、视图、帧、导联或波形区间依赖性 | 计算代价高;结果取决于掩膜大小和替换值 | 临床合理的扰动;阴性对照 |
| 集成梯度 | 原始波形和可微分的图像模型 | 相对于基线的输入级归因 | 对心电图时间点、像素或序列值进行归因 | 基线选择影响归因;高维映射噪声大 | 多基线;稳定性和忠实性测试 |
| SHAP | 结构化变量和多模态特征集 | 局部和全局特征贡献 | 解释临床变量贡献或模态贡献 | 相关特征使解释复杂化;计算代价高 | 报告背景分布;条件分析 |
| 注意力图 | Transformer标记、帧、切片或视图 | 注意力权重 | 可视化跨导联、跨视图或跨序列的聚合 | 注意力不一定具有因果性或不忠实 | 基于扰动的确认和消融 |
| 反事实解释 | 结构化数据和受约束的生成模型 | 改变预测的最小输入变化 | 探索阈值敏感性或临床合理的替代方案 | 可能产生生理上不可能或不可操作的变化 | 临床约束;专家评审;合理性测试 |
AI:人工智能;CNN:卷积神经网络;ECG:心电图;Grad-CAM:梯度加权类激活映射;SHAP:SHAP加法解释。
---
**表3. 主要失效模式、可观察后果及缓解策略**
| 失效模式 | 典型来源 | 可观察后果 | 评估方法 | 缓解策略 |
|---|---|---|---|---|
| 标签偏差 | 常规报告、编码、不一致的阈值 | 模型复制当地实践而非病理学 | 经裁定样本;阅片者间一致性;标签审计 | 共识定义、裁定、鲁棒/弱监督方法 |
| 采样和谱系偏差 | 三级转诊队列、病例-对照富集 | AUC过高;真实世界PPV低;罕见表型表现差 | 比较预期使用患病率和病例组合 | 前瞻性/连续采样;患病率感知指标 |
| 患者泄漏 | 重复检查跨越分割 | 内部性能过于乐观 | 患者级标识符审计 | 患者级、站点级和时间级分割 |
| 设备/协议漂移 | 供应商滤波器、重建核、序列参数 | 外部分类或分割失败 | 按供应商/站点分层测试;分布外检测 | 多供应商训练、协调、域增强 |
| 人口学偏差 | 代表性不足;相关护理路径 | 不同亚组的敏感性、校准或错误率差异 | 预定义亚组置信区间和校准 | 代表性采样、重加权、亚组重新校准、审计 |
| 患病率漂移 | 在筛查vs.转诊人群中部署 | PPV/NPV和最佳阈值改变 | 本地校准和决策分析 | 特定环境阈值;重新校准;能力建模 |
| 时间漂移 | 扫描仪升级、报告变化、新疗法 | 校准或准确性逐渐衰减 | 滚动仪表板;时间留出测试 | 监控触发器、重新校准、回滚、版本控制 |
| 对抗/网络安全风险 | 篡改输入、被破坏的接口 | 意外的高置信度错误 | 威胁建模;扰动和渗透测试 | 输入完整性检查、访问控制、审计日志、故障安全设计 |
| 自动化和工作流程偏差 | 过度依赖、警报疲劳、责任不清 | 遗漏的纠正、延迟的护理、过多的下游检测 | 人因研究;纠正和采取行动比率 | 可操作的输出、培训、备用路径、工作量限制 |
AUC:受试者工作特征曲线下面积;CI:置信区间;NPV:阴性预测值;PPV:阳性预测值。
---
**心电图:可扩展的检测、预测与部署**
心电图是深度学习最成熟的心血管输入之一,因为它成本低、常规采集且相对标准化。里程碑式的研究从动态心电图中证明了与心内科医生水平的心律失常分类能力[31]。随后,直接面向医生的报告研究表明,AI可以作为工作流程工具来评估,而不仅仅是作为离线分类器[45]。这些研究确立了两个不同的价值主张:自动化现有的解读任务以及重组报告路径。
第二类模型将心电图视为一种数字生物标志物,用于检测传统解读无法直接观察到的疾病。AI心电图已识别出无症状的左心室收缩功能障碍[32],并且利用超过100万条配对的心电图-超声数据,识别了广泛的结构性表型,包括心肌病和瓣膜病[34]。其他应用还包括高血压[46]和左侧瓣膜病[47]。主要优势是从已嵌入诊疗流程的检查中进行机会性病例发现。主要局限在于,富集的病例-对照AUC无法描述人群筛查中的阳性预测值或下游转诊负担。
心电图表征也已被用于预测新发高血压、心房颤动、心力衰竭、反流性瓣膜病和主要心血管事件[48–52]。预后输出尤其需要仔细的时机锚定、重复心电图的处理以及与临床风险模型的比较。模型可能利用基线时已存在的亚临床疾病,而非识别新的因果信号;这仍然具有临床价值,但应将其主张表述为风险分层而非机制性发现。
在考虑的各模态中,心电图拥有最有力的前瞻性实施证据。实用性和干预性研究利用AI结果提示有针对性的超声心动图、指导心房颤动筛查或触发住院预警[33,53–54]。即便如此,影响并非保证:预警效果取决于阈值选择、临床医生反应、下游能力和假阳性负担。同一架构在不同供应商和机构之间可能表现不同,使外部校准和实时监控成为安全部署的核心。
---
**超声心动图:从单帧到检查级模型**
超声心动图高度依赖操作者,使其在采集、视图识别、心腔分割和功能量化方面的自动化具有吸引力。基于卷积神经网络的系统已展示了自动视图识别和测量,其可重复性接近专家阅片者[55–56]。基于视频的架构如EchoNet-Dynamic将分析从选定帧扩展到逐心动周期功能,减少了对帧选择的敏感性并捕获与心律失常相关的变异性[35]。
该领域已从孤立测量转向检查级表型分析。深度学习派生的左心结构和功能指标与新发心力衰竭、心房颤动、心肌梗死和死亡率相关[57]。双流视频模型还预测了术后右心室衰竭,并在特定环境中优于专家阅片者[58]。这些结果表明视频包含常规测量之外的预后信息,但回顾性关联并不能确立模型将改善围手术期决策。
视觉-语言基础模型代表了最快速发展的方向。EchoCLIP从大量超声心动图和报告中学习了联合视频-文本表征,在片段级实现了标签高效的迁移[36]。EchoPrime将此概念扩展到多视图检查级聚合和结构化解读[37]。这些模型之所以前景广阔,是因为它们使用弱监督并能适应多种任务;然而,基准测试应区分零样本、线性探测和完全微调的性能,披露预训练和测试人群之间的重叠,并测试缺失视图的鲁棒性。单一吸引人的基准并不能确立其在常规实践中相对于任务特定卷积神经网络的优越性。
---
**心脏磁共振:重建、组织表征与基础模型**
心脏磁共振结合了电影序列、灌注、延迟钆增强(LGE)、参数映射和其他序列。这种异质性使序列感知和三维建模成为必需。在图像形成阶段,深度学习重建和运动校正可以缩短首过灌注、电影序列和LGE的采集时间,同时保持图像质量[59–61]。由于图像增强可能幻觉出或抑制细微的病理,研究应报告诊断或定量终点,而不仅仅是感知质量。
临床流程越来越多地结合多个序列和阶段。一个Video Swin Transformer框架先筛选无对比剂电影心脏磁共振,然后将电影序列与LGE整合用于多疾病诊断[39]。生成式方法如虚拟原生增强和电影序列生成增强可在不使用钆的情况下估计LGE样信息[38,62]。这些方法可能扩大了对对比剂不利的患者的可及性,但在定义病变级错误、不确定性和临床后果之前,不应将合成增强视为与获取的LGE可互换。
心脏磁共振模型还通过基于电影序列的风险预测、自动瘢痕定量和多序列成像与临床变量的融合来支持预后[63–65]。近年来,心脏磁共振基础模型已为多项下游任务进行了预训练,具有改善的少样本性能[40]。其价值将取决于广泛的供应商和序列覆盖、与nnU-Net或其他强任务特定基线的透明比较,以及评估共享表征是否改善了临床上重要的任务而非仅仅是平均基准性能。
---
**心脏CT:解剖、生理与风险**
在心脏CT中,深度学习集中在冠状动脉CT血管造影(CCTA)分割、钙化评分、狭窄和斑块分析以及CT衍生的分数流储备(CT-FFR)上。机器学习CT-FFR在MACHINE联盟中将逐血管准确率从58%提高到78%,超越了解剖学解释识别血流动力学显著疾病的能力[41]。然而,性能对钙化、运动、图像质量和侵入性参考标准敏感。借助深度学习重建支持的减法CCTA可能改善钙化狭窄或支架的评估,但需要在选定技术队列之外进行验证[66]。
AI还在重建层面发挥作用。超分辨率重建使超低剂量CCTA成为可能,同时保持斑块和狭窄评估能力;事后去噪改善了四分之一剂量的图像质量[67–68]。剂量降低的主张应关联病变级诊断非劣效性和失败分析,因为视觉上更平滑的图像可能掩盖小斑块或夸大管腔质量。
自动化斑块表型分析和冠状动脉疾病负担提供了超越钙化评分的增量预后信息,深度学习CCTA分析预测了主要不良心血管事件[42,69]。冠状动脉外脂肪组织衰减和相关炎症生物标志物进一步扩大了风险画像[70–71]。核心方法论挑战是避免循环验证:如果模型使用同一流程的衍生测量进行训练或评估,表观增量价值可能反映的是相关的处理而非新的生物学信息。
---
**核医学:受约束的输入与定量流程**
核医学包括单光子发射计算机断层扫描和正电子发射断层扫描(PET),其空间分辨率低于CT或心脏磁共振,并受到衰减、散射、有限计数、示剂动力学和运动的影响。深度学习已自动化了从图像堆栈和极坐标图的心肌灌注解读,多中心研究报告了阻塞性疾病或缺血具有临床意义的性能[43,72–73]。预后模型估计了事件特异性风险并纳入了心外特征[44,74]。
核医学还说明了高度工程化输入的天花板效应。当模型仅在极坐标图或节段评分上操作时,大量原始采集信息已被丢弃,相对于已建立的定量指标的改善可能有限[75]。因此,更大的模型复杂度并不保证更大的临床价值。重建、无CT衰减校正和去噪可能使低剂量或更快的研究成为可能,而PET运动校正可以改善心肌血流量量化[76–80]。这些方法必须在不同示剂、扫描仪世代和采集协议之间进行测试,因为微小的定量偏移可能改变临床分类。
---
**跨领域的批判性评价**
**在真实世界数据集上比较架构**
最重要的比较不在于Transformer是否比卷积神经网络更新,而在于架构是否匹配信息结构和数据规模。卷积神经网络施加了有用的局部性和平移先验,在分割和波形形态学方面仍然强劲。Transformer可以跨导联、帧、切片或视图聚合长程上下文,并能有效地利用大型预训练语料库进行扩展。当同时需要局部细节和检查级整合时,混合架构具有吸引力。
生成模型侧重于重建或合成,而非与判别式分类器相同的目标;因此,其评估应强调保真度、不确定性和下游诊断信息的保留。在心血管领域,使用相同数据集和优化预算进行的一对一对比仍然稀缺。即使采用相同的架构,训练机构和数据集也可能对外部性能产生实质影响。在一项四中心低射血分数心电图研究中,在布里格姆妇女医院和庆应大学医院训练的模型取得了相似的内部AUC(0.913和0.914),但庆应大学训练模型的内部AUC为0.849–0.877,而布里格姆妇女医院训练模型的内部AUC为0.905–0.915[81]。这种模式表明,为什么不能仅凭单一的内部基准测试来推断架构的优越性。公平的对比需要相同的队列、标签、数据划分、优化预算、外部站点以及临床相关阈值。
偏差、域偏移和真实世界性能下降
偏差可能通过采样、标签、设备、缺失数据、治疗路径或部署环境进入模型。当使用三级医疗机构的人群来支持社区筛查声明时,就会发生采样偏差。当常规报告或计费代码反映本地阈值时,就会出现标签偏差。设备偏差包括供应商特定的滤波、重建、增益设置和图像标注。人口统计学偏差可能源于代表性不均衡,或源于与受保护特征相关的生理和治疗路径差异。缺失模态同样具有信息量:排除不完整的研究可能会产生一个与常规实践不符的选择性队列。
定量亚组结果揭示了总体AUC可能掩盖的具有临床重要性的性能下降。在一项心脏淀粉样变性AI-ECG模型的开发后验证中,总体AUC从原始研究中的0.91降至0.84;在西班牙裔患者中的性能为0.66,而与其他已报道的种族组别中的0.81以上相比,且在心室肥厚或左束支传导阻滞存在的情况下,性能下降至0.75–0.76[82]。这些发现并未使该模型失效,但改变了其输出结果可被信任的人群和心电图情境。
域偏移可能会影响判别能力、校准、分割失败或操作阈值。在多地灌注磁共振成像(CMR)中,在所提出的不确定性指导方法与既有方法相比,在脉冲序列和供应商转换方面,外部观察到的分割失败更少(4.3%对17.1%)[83]。模型选择本身可能会影响所测量的公平性:对三种卷积神经网络(CNN)和一种视觉Transformer的CMR比较发现,四种架构中有三种存在性别偏差,四种架构中均存在种族偏差[84]。因此,缓解措施需要超越人口统计学加权。这包括代表性采样、分层报告、域增强、外部重新校准、不确定性和分布外标记、联邦或多站点训练以及部署后审计。
对抗性敏感性是一种独特但相关的失效模式。微小或故意操纵的输入变化可以在没有明显视觉变化的情况下改变预测,而医疗系统可能特别脆弱,因为采集和计费路径会产生操纵的动机和机会[85]。因此,常规部署应包括网络安全控制、输入完整性检查、访问控制,以及在暴露网络或应用程序编程接口时进行速率限制,并结合审计日志以及对合理的采集扰动的测试,而不仅仅是针对数学上最优化的攻击进行测试。
可解释人工智能:方法、用途与局限性
可解释性应根据数据类型和临床问题来选择。梯度加权类激活映射(Grad-CAM)从卷积特征图中生成特定类别的空间或时间定位图,广泛用于图像、视频以及适配的心电图表示[86]。遮挡分析会对区域、帧、导联或时间间隔进行遮蔽并测量输出变化;它很直观但计算成本高昂,且对遮蔽策略敏感。SHapley加法解释(SHAP)分配局部和全局特征贡献,对结构化临床变量或多模态模型特别有用,尽管相关性特征和高维图像会使解释复杂化[87]。积分梯度将预测归因于相对于选定基线的输入值,可应用于原始心电图波形或可微分图像模型[88]。反事实解释描述了会改变预测的最小输入变化,但临床可信的应用需要生理约束和专家合理性审查。
Transformer通常会显示注意力图,但注意力权重并不自动成为忠实的解释。同样,与QRS波群(反映心室去极化)、心室壁或冠状动脉重叠的热力图支持了表面效度,但并不能证明模型学到了因果性病理。显著性方法可能不稳定,在模型随机化后无法改变,或突出显示采集伪影。因此,具有临床意义的解释需要扰动测试、跨病例和站点的连贯性、与阴性对照的比较以及阅片者评估。近期的心电图研究已经超越了一般性的显著性,将模型相关区域与临床可解释的波形变化联系起来[89]。
可解释性也有不同的目标用户。开发人员可能使用归因来识别捷径学习;临床医生可能需要简洁的原因、不确定性估计和建议的下一步行动;监管人员可能需要可复现的性能边界证据。解释绝不能用于挽救验证不佳的模型。其最可辩护的角色是补充性的:识别失效模式,支持经过校准的信任,并生成随后使用独立数据进行测试的假设。表2比较了常用的方法。
临床集成、治理与监管
临床效用取决于工作流程,而不仅仅是模型的输出。实施应明确定义预期用户、时机、阈值、下游行动、回退流程以及容量影响。低患病率的筛查模型可能保持高AUC,同时产生低的阳性预测值和大量的确认性检测。相反,高特异性阈值可能会漏诊可治疗的疾病。因此,阈值应围绕临床路径进行选择,并在患病率或资源发生变化时重新评估。
治理必须贯穿整个产品生命周期。对美国食品药品监督管理局审查的1000多台AI和机器学习设备的一项分析发现,在模型和数据集特征的报告上存在巨大差异,说明监管批准本身并不能为本地实施提供完整的信息[90]。FDA于2025年发布的产品生命周期指南草案提出了关于预期用途、数据管理、人因工程、偏差、透明度、性能监控和计划模型更新的建议[91]。FDA关于预设变更控制计划的最终指南描述了如何为获授权的设备预先定义指定的模型修改、其实施和验证方法及其影响评估[92]。此类计划对于自适应或定期更新的模型特别相关,因为看似微小的更新可能会改变亚组性能或校准。
在欧盟,医疗AI可能同时受医疗器械立法和人工智能法案的监管,从而产生围绕风险管理、数据治理、人工监督、上市后监测和事故报告的要求;嵌入受监管产品中的高风险系统的实施时间表超出了普遍规定的范围[93]。在中国,国家药品监督管理局发布了基于AI的医疗软件分类原则,并应用基于风险的医疗器械注册和监管[94]。跨越不同司法管辖区,实际障碍是相似的:定义锁定或自适应的模型版本,记录训练和测试人群,控制网络安全风险,分配对覆盖的问责,以及在扫描仪、方案或工作流程变更后监控性能。
未来方向
近期最迫切的优先事项是前瞻性的证据,证明AI赋能的路径能够改善结果、安全性、公平性、效率或工作量。在可行时,静默部署应先于主动使用,以便在不影响护理的情况下评估缺失的输入、校准、警报量和临床医生反应。随机对照试验或实用性试验应衡量下游检测和治疗以及诊断准确性,因为技术上准确的系统仍然可能增加低价值检测或加剧不公平现象。
基础模型可能会提高标签效率和任务迁移能力,但其评估需要透明的基准测试。研究应报告预训练数据来源、患者重叠、参数量、计算量、零样本和微调性能,以及与强大的任务特定基线的比较。眼科领域证明了大型自监督和视觉-语言模型可以跨任务迁移,并且临床评估可以进展到随机对照试验[95–96]。心血管模型面临更大的多模态和时间复杂性:心电图、超声、磁共振成像、冠状动脉CT血管造影、核医学、报告和电子健康记录数据可能缺失或异步采集。
因此,多模态模型应接受对模态主导性、缺失模态鲁棒性、时间泄漏以及相对于最强单模态的增量价值的测试。大语言模型可能有助于信息提取、结构化报告、报告起草和指南感知编排,但幻觉测量、错误的否定、无支持的推荐和来源错误对安全至关重要。与不受约束的自主报告相比,更好的做法是受限生成、从经过验证的来源检索、明确引用输入测量值以及强制人工审核。
最后,部署后的监控应成为一种科学学科,而不是一项行政上的事后补充。性能仪表板应追踪输入分布、缺失情况、校准、亚组指标、覆盖率和临床结果。当性能跨越安全阈值时,监控应触发预定义的操作——调查、重新校准、回滚或暂停。
结论
人工智能正在重塑心血管成像和心电图,但临床成熟度在不同模态和任务之间存在显著差异。目前最具可信度的证据已超出回顾性准确性,扩展到外部验证、前瞻性工作流程评估以及在选定的心电图和超声心动图路径中的随机实施。没有任何架构是普遍优越的:卷积神经网络、Transformer、混合模型和生成模型提供了不同的优势,这些优势取决于数据几何结构、规模和预期用途。安全采用需要对人口统计学和设备偏差、域偏移、校准、可解释性、网络安全以及下游临床后果进行明确分析。作为一篇叙述性而非系统性的综述,这里讨论的证据必然是代表性而非详尽无遗的,并且直接的跨研究比较仍然受到队列、标签、任务、验证设计异质性的制约。下一阶段应优先考虑透明的多模态基准测试、前瞻性比较试验以及能够证明持久患者和健康系统益处的生命周期监控。
致谢
本研究得到上海市浦江人才计划(项目编号:R2024-003)的资助。
作者贡献
ZLX构思了综述,完成了文献综合,并起草了手稿。SW和YXL监督了研究工作,对稿件进行了批判性修改,并批准了最终版本。所有作者均批准了提交的手稿,并同意对该工作负责。
利益冲突声明
作者声明,他们与本手稿内容没有任何利益冲突。
数据共享声明
数据共享不适用,因为本次综述未生成或分析任何原始数据集。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号