在美国大规模医疗系统中，对用于紧急情况和心脏评估的心电图（ECG）人工智能技术的外部验证

《npj Digital Medicine》：External validation of ECG artificial intelligence for emergency and cardiac assessment across a large-scale U.S. healthcare system

　　

摘要

此前开发了一种基于心电图（ECG）的人工智能（AI）模型，该模型能够生成十个用于紧急情况和心脏评估的数字生物标志物，目前已在韩国的临床实践中得到应用（ECG Buddy，ARPI公司）。该模型在美国医疗环境中的外部有效性尚未得到验证。本研究通过梅奥诊所平台（Mayo Clinic Platform, MCP）Discover使用大规模、多中心的数据集对该模型的性能进行了评估。评估了两个验证队列：一个用于紧急诊断的队列（死亡、急性心肌梗死（AMI）、ST段抬高型心肌梗死（STEMI）及其类似情况、高钾血症、肺水肿），这些诊断基于急诊科（ED）初始心电图；另一个用于心脏功能的队列（左心室和右心室收缩功能障碍、肺动脉高压、具有血流动力学意义的心包积液），这些诊断基于超声心动图或右心导管检查。主要目标是验证该模型的接收者操作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve, AUC）是否不逊于预先设定的基准值。在十个目标病症中，AUC值介于0.883到0.949之间；所有队列均满足非劣效性标准。该模型的性能在性别和年龄分层中保持一致。在一对样本子集中（N = 1368），ECG-AI在诊断AMI（AUC 0.920 vs 0.878）和STEMI及其类似情况（AUC 0.932 vs 0.736；所有P < 0.001）方面的表现优于初始肌钙蛋白T检测方法。这些发现支持该模型在基于ECG的筛查和分诊中的潜力，并为未来对其校准、临床应用及在不同人群中的影响进行评估奠定了基础。