基于人工智能的心电图诊断心脏疾病的准确性:系统评价与Meta分析

《Diagnostics》:Diagnostic Accuracy of Artificial Intelligence-Based Electrocardiography for the Detection of Heart Diseases: A Systematic Review and Meta-Analysis

【字体: 大 中 小 】 时间:2026年09月21日 来源:Diagnostics 3.8

编辑推荐:

  背景/目的:人工智能增强心电图(AI-ECG)被提出作为一种廉价且可扩展的手段,用于识别多种心脏疾病,但其报告的性能因目标疾病、算法和参考标准的不同而存在显著差异。研究人员预设的主要目标是评估AI-ECG对心力衰竭/左室收缩功能障碍(HF/LVSD)的诊断准确

  
背景/目的:人工智能增强心电图(AI-ECG)被提出作为一种廉价且可扩展的手段,用于识别多种心脏疾病,但其报告的性能因目标疾病、算法和参考标准的不同而存在显著差异。研究人员预设的主要目标是评估AI-ECG对心力衰竭/左室收缩功能障碍(HF/LVSD)的诊断准确性;对其他心脏疾病的准确性逐病种进行检验,跨病种估计仅作为次要的描述性汇总计算。方法:遵循PRISMA-DTA声明,研究人员系统评价了从建库至2026年3月31日收录于PubMed、Scopus、Web of Science和Embase中的诊断试验准确性(DTA)研究。符合条件的研究为应用AI算法于心电图(ECG)并对照可接受的参考标准的原始队列或诊断性病例对照研究,且需提供可重建的2 × 2表。筛选、数据提取及QUADAS-2评估由两名研究人员独立重复进行。当有四项或以上研究针对同一目标疾病时,采用双变量随机效应(Reitsma)模型合并敏感度和特异度,并生成相应的分级汇总受试者工作特征(HSROC)曲线;少于四项研究的亚组采用描述性综合。预设的敏感性分析排除了高偏倚风险的研究。采用适用于诊断准确性的GRADE分级评估证据确定性。结果:共纳入20项研究(155,442对ECG–参考标准配对),其中12项(125,568对)进入定量综合。在预设的HF/LVSD分析中(k = 5;n = 101,875),合并敏感度为0.86(95%置信区间[CI],0.80–0.90),合并特异度为0.79(95% CI,0.70–0.85),HSROC曲线下面积(AUC)为0.89;将分析限定于三项低偏倚风险研究后,敏感度为0.83(95% CI,0.81–0.85),特异度为0.82(95% CI,0.75–0.87)。logit敏感度与logit特异度之间的估计研究间相关性为?0.86,表明存在强烈的隐含阈值效应,双变量/HSROC框架对此予以容纳。描述性亚组结果提示对心房颤动具有高准确性(中位敏感度0.96,中位特异度0.94;k = 2),而对冠状动脉疾病和急性冠脉综合征的表现不一致(中位敏感度0.80,中位特异度0.85;k = 2)。次要的跨病种估计(k = 12)中敏感度为0.84(95% CI,0.77–0.89),特异度为0.87(95% CI,0.79–0.93)(HSROC-AUC 0.92);由于该估计涵盖异质性目标,故仅作为描述性汇总报告。20项研究中,3项总体偏倚风险为低,4项为不清楚,13项为高,主要集中于待评价试验和参考标准领域。Deeks检验提示漏斗图不对称(p = 0.022),在DTA系统评价中,这通常反映真实准确性的异质性而非发表偏倚。结论:对于HF/LVSD,AI-ECG显示出一致且可重复的准确性(以超声心动图为参照),且该估计在排除高偏倚风险研究后依然稳健。其他心脏疾病的证据仍具有病种特异性且确定性较低。更广泛的临床应用将受益于以指南为基础的参考标准开展前瞻性外部验证、独立裁定,以及在预设工作点透明报告2 × 2数据。
1. 引言
全球范围内,心血管疾病仍然是发病和死亡的首要原因,每年导致约1800万人死亡,构成全球伤残调整生命年的最大单一驱动因素。心力衰竭(HF)、心房颤动等心律失常以及急性冠脉综合征在医院入院和可避免死亡中占据了极大比例。由于廉价、可及且可重复,12导联心电图(ECG)长期以来一直是心血管医学的核心诊断检查。然而,标准目视判读受观察者间变异以及人眼无法感知可预示临床显性疾病的细微形态学线索所限。
人工智能(AI)——尤其是直接应用于原始ECG波形或图像的深度学习——已成为检测超出传统心电图学标准之外模式的手段。在一项具有影响力的报告中,Attia等人训练了一个卷积神经网络,可从常规12导联ECG中识别无症状左室收缩功能障碍(LVSD),受试者工作特征曲线下面积(AUC)接近0.93,随后的随机试验表明,将此类算法嵌入临床工作流程可加速低射血分数的识别。此后,类似的AI方法已被构建用于心房颤动、肥厚型心肌病、左室肥厚、冠状动脉疾病和急性心肌梗死。
过去两年中该领域已被多次综述。叙述性和范围综述追踪了AI-ECG从方法学概念验证到前瞻性部署的轨迹,并对其在机会性筛查、风险分层和工作流程加速中的新兴作用进行了编目;并行综述绘制了AI在动脉粥样硬化性心血管疾病和介入心脏病学中的应用图谱。这些综合对范围和转化议程具有信息价值,但并非定量准确性综述:它们未提取2 × 2列联数据,未使用QUADAS-2评估研究,因此无法区分开发队列上测量的判别能力与可部署工作点上的准确性。在现有的合并DTA估计中,通常局限于单一目标——尤其是心房颤动——且归因于AI-ECG的准确性因研究疾病、算法架构、ECG模态(单导联与多导联)、训练数据和定义金标准的参考标准不同而显著差异。
为弥补这一空白,研究人员开展了一项诊断试验准确性系统评价和Meta分析,目标有四:(i)得出预设的HF/LVSD合并估计,该问题被预先指定为主要临床问题;(ii)逐病种综合基于AI的ECG对其他心脏目标的诊断准确性;(iii)考察疾病、ECG模态、AI架构、决策阈值和临床环境导致的异质性;(iv)评估偏倚风险和证据确定性。
2. 材料与方法
2.1. 方案与注册
本综述的实施和报告均遵循诊断试验准确性系统评价首选报告条目(PRISMA-DTA)及PRISMA 2020声明。方案已在PROSPERO前瞻性注册,可向通讯作者索取。完整的PRISMA-DTA清单见补充文件(补充表S1),完整的PRISMA 2020清单见补充文件S4。
2.2. 纳入标准
纳入标准围绕诊断准确性框架构建,明确人群、待评价试验、参考标准和结局。研究人员保留了符合以下条件的原始诊断准确性研究(队列或诊断性病例对照):(i)纳入任何年龄、性别或临床环境中接受任何形式心脏疾病评估的个体;(ii)测试应用于12导联ECG的基于AI的算法(机器学习、深度学习或神经网络);(iii)在全部或几乎所有参与者中采用有效的参考标准——医生判读的12导联ECG、超声心动图或磁共振心脏成像、Holter或遥测、有创血管造影或公认的临床标准;且(iv)提供足够信息以构建或重建2 × 2列联表(真阳性[TP]、假阳性[FP]、真阴性[TN]、假阴性[FN])。
研究人员排除了会议摘要、社论、综述、病例报告及任何缺乏全文的文献;非英文出版物;仅描述信号或节段水平性能而无患者水平结局的报告;以及依赖ECG衍生特征而无明确AI算法的分析。缺乏外部或内部验证的报告被严格评价并标注用于敏感性分析。
2.3. 信息来源与检索策略
检索了PubMed、Scopus、Web of Science和Embase,时间从建库至2026年3月31日。每次检索将受控词汇(如MeSH)与涵盖人工智能、深度学习、心电图学和心血管疾病的自由文本词条通过布尔运算符结合;完整检索式见补充文件S1。为捕获更多合格记录,研究人员手动筛查了纳入研究和相关综述的参考文献列表。
2.4. 研究筛选
所有记录上传至Rayyan,去除重复。两名评审人员(O.A.R.-T.和E.T.-A.)独立检查标题和摘要,随后检查全文,通过讨论解决分歧,必要时由第三名评审人员(J.J.B.)仲裁。图1(PRISMA-DTA流程图)概述了此筛选过程。识别和标题/摘要筛选阶段的记录级计数未保存在筛选日志中,无法回顾性重建;此作为方案偏离报告(补充文件S2),流程图从寻求获取报告阶段起完整且可审计。
2.5. 数据提取
使用标准化、预测试的表格,研究人员记录了研究描述符(作者、年份、国家、设计)、参与者特征(样本量、人口学特征、环境)、待评价试验特征(导联数、AI架构、训练和验证方法、决策阈值)、参考标准、目标疾病及其阈值,以及诊断性能(TP、FP、TN、FN、敏感度、特异度、曲线下面积、患病率)。提取由两名评审人员独立进行,分歧通过共识或第三方仲裁解决。
当整数2 × 2单元格缺失但样本量连同敏感度/特异度(或PPV/NPV和患病率)可用时,研究人员重建单元格并记录在数据字典中(补充表S2)。如果一项研究呈现多个阈值、模型或亚队列,研究人员预设每项研究选择一行主要数据以防止单位分析错误,其余亚队列作为次要或探索性分析(补充表S3)。方案偏离详见补充文件S2。
2.6. 偏倚风险与适用性
偏倚风险和适用性由两名评审人员使用QUADAS-2工具独立判断,该工具涵盖四个领域(患者选择、待评价试验、参考标准、流程与时间),分歧通过讨论解决。结果在第3.8节中报告,包括各研究交通灯图和汇总图;完整信号问题回答见补充表S4。
2.7. 统计分析
对每项研究,从2 × 2单元格计算敏感度和特异度及精确二项95%置信区间。分析层级预先固定。预设的主要综合是HF/LVSD的病种特异估计。其他目标疾病逐病种单独综合。跨病种估计合并所有合格研究,仅作为次要的描述性汇总;由于它聚合了电生理基础、患病率和参考标准各异的目标,不旨在作为临床可操作的操作特征,并始终如此报告。
当四项或以上合格研究共享目标疾病时,采用双变量随机效应(Reitsma)模型在logit尺度上联合建模敏感度和特异度,同时考虑其研究内相关性,并使用Rutter和Gatsonis参数化生成匹配的HSROC曲线。为敏感度、特异度和HSROC曲线下面积(AUC)生成合并值(各含95%置信区间)。对于少于四项研究的亚组,双变量模型不可识别;此时研究人员报告描述性统计(中位数和范围),并在区间估计具有信息价值时,分别对logit敏感度和logit特异度采用单变量DerSimonian–Laird随机效应合并,并如此标注。
阈值变异处理:纳入模型不共享共同决策截断值:部分报告在开发队列中选择最大化Youden指数的概率阈值,部分采用供应商固定的工作点,其他则选择达到目标敏感度的阈值。双变量模型不要求共同阈值。每项研究在其使用的任何工作点贡献单个(敏感度,特异度)对,这些阈值的变异被随机效应结构吸收:隐含阈值的差异在研究中产生logit敏感度与logit特异度之间的负相关,双变量模型将其明确估计为研究间相关ρ。Rutter–Gatsonis HSROC再参数化使相同信息在几何上可见,因为拟合曲线描绘了隐含阈值变化时可达到的准确性,形状参数β量化了这种权衡的不对称性。因此,研究人员在每次合并估计旁报告ρ和β,将汇总点解释为纳入模型的平均工作点而非单一推荐截断值的性能,并将HSROC曲线——而非汇总点——解读为跨不同阈值研究可比较的估计。为避免研究内阈值混合,每项研究恰好一个工作点被纳入综合,按第2.5节所述预先选择(补充表S3)。
研究人员通过配对森林图、研究点围绕HSROC曲线的散点以及按目标疾病、ECG模态(单导联与多导联)、AI类别(深度学习与经典机器学习)和临床环境定义的亚组分析来探查异质性。当至少有10项研究可用时,使用基于诊断比值比和有效样本量的Deeks漏斗图不对称检验评估小研究效应。研究人员预先指出,在DTA Meta分析中,显著的Deeks检验不等同于发表偏倚的证据:因为诊断比值比取决于工作点,真实准确性的研究间异质性或阈值差异,以及具有极端诊断比值比的小研究的纳入,会在没有选择性发表的情况下产生不对称性。因此该检验被解释为需要解释的小研究效应信号,而非偏倚估计。
预设敏感性分析检验了研究质量和研究规模的影响。对于偏倚风险,研究人员(i)排除所有在QUADAS-2上被评为总体高风险的研究,并(ii)将综合限制为被评为总体低风险的研究。由于仅三项研究满足严格的低风险标准,受限分析采用上述单变量随机效应方法进行,并作为探索性报告。另一项敏感性分析将HF/LVSD综合限制于四个大型外部验证队列。证据确定性采用适用于诊断试验的GRADE框架分级。研究人员使用R版本4.3及mada、meta和metafor包运行所有分析;补充文件S3总结了分析流程,分析代码可向通讯作者合理索取。
3. 结果
3.1. 研究筛选
数据库检索产生44篇评估资格的全文报告,其中24篇因记录在案的理由被排除(16篇会议摘要、2篇基于Holter的分析、2篇使用非标准导联组、1篇仅信号分析、1篇仅P波分析、1篇预测性[非诊断性]模型、1篇仅单导联设计不适合2 × 2重建);因此20项研究纳入定性综合,其中12项进入定量综合。补充表S5完整列出了排除理由,图1总结了筛选过程。
3.2. 纳入研究特征
20项纳入研究发表于2021年至2026年,在三大洲的九个国家开展(表1)。大多数采用回顾性诊断队列或外部验证队列设计(n = 13),另有3项前瞻性研究、3项诊断性病例对照研究和1项仅病例研究。样本量范围从36至42,291例可评估患者(总计155,442例)。目标疾病包括HF/LVSD或左室射血分数降低(k = 6项研究级条目;Adedinsewo 2024、Carter 2026、K?nig 2024、Lee 2025、Thambiraj 2026、Sun 2021)、围产期心肌病(Karabayir 2024)、心房颤动或房性心律失常(Fiorina 2024、Lueken 2025)、冠状动脉疾病、急性冠脉综合征和ST段抬高型心肌梗死(Awasthi 2023、Chang 2021、Tang 2023、Park 2023、Díaz-Herrera 2025、Luo 2026)、肥厚型心肌病(Siontis 2023、Babur Guler 2026)、左室肥厚(Huang 2025、Liu 2023)和急性肺栓塞(Valente Silva 2023)。待评价试验主要是深度神经网络——多为卷积网络,亦有注意力或循环变体——应用于12导联、8导联或单导联记录;仅一项研究依赖经典机器学习(CatBoost)训练于工程化ECG特征。参考标准涵盖超声心动图(Simpson法或左室质量指数)、心脏磁共振、冠状动脉造影、CT肺动脉造影、专家ECG裁定和ICD编码诊断。完整研究特征见表1,各研究DTA数据(含2 × 2单元格)见表2。
3.3. 预设主要综合:心力衰竭/左室收缩功能障碍
五项外部验证研究招募了101,875例具有配对ECG–超声心动图数据的患者,评估AI-ECG检测低LVEF(≤40%或<50%)的性能:Adedinsewo 2024、Carter 2026、K?nig 2024、Lee 2025和Thambiraj 2026。合并敏感度为0.86(95% CI,0.80–0.90),合并特异度为0.79(95% CI,0.70–0.85),HSROC AUC为0.89(表3;图2和图3)。测试集中的疾病患病率从6.0%(Adedinsewo 2024)到15.6%(K?nig 2024)不等。大型外部验证队列的性能一致(Carter 2026:敏感度0.84,特异度0.84;K?nig 2024:0.82和0.77;Lee 2025:0.85和0.81),而Thambiraj 2026显示较高敏感度(0.92)但较低特异度(0.65),反映概率阈值的权衡。Adedinsewo 2024(n = 100,6例)报告了完美分类但置信区间宽,与其小病例数一致。该亚组是唯一合并依赖多个独立外部验证且基于相同影像参考标准的可比模型的亚组,因此被视为临床可解释的估计。
3.4. 其他目标疾病:病种特异综合
两项心房颤动研究进入描述性综合(Fiorina 2024、Lueken 2025),中位敏感度为0.96(范围0.91–1.00),中位特异度为0.94(范围0.93–0.95)。对于冠状动脉疾病和急性冠脉综合征/心肌梗死(CAD/ACS-MI),两项研究符合条件(Tang 2023和Luo 2026 STEMI队列),其估计差异很大(中位敏感度0.80,范围0.69–0.91;中位特异度0.85,范围0.71–0.99)(图4)。肥厚型心肌病(Siontis 2023)的敏感度和特异度为0.80和0.84,左室肥厚(Huang 2025)为0.81和0.84。唯一符合条件的急性肺栓塞研究(Valente Silva 2023)结合了高特异度(1.00)和低敏感度(0.50)。在这些疾病中,没有一项的合格研究数达到预设的四项阈值,因此不提供合并估计;表3中的疾病级汇总为描述性。Sun 2021、Park 2023、Chang 2021和Babur Guler 2026未提供可恢复的2 × 2数据(缺少分母、缺少特异度、专家ECG循环参照或仅病例设计),因此仅作叙述性保留,Liu 2023同样如此,其左室肥厚标签由专家ECG判读在27类多标签任务中分配,未产生疾病特异的2 × 2表。Karabayir 2024、Awasthi 2023和Díaz-Herrera 2025因病例对照设计导致人为患病率而被剔除。这八项排除解释了20项综述研究与12项合并之间的差异(补充表S3)。
3.5. 次要描述性跨病种汇总
十二项研究(125,568对ECG–参考标准配对)提供了可重建的2 × 2表(表2;图5)。跨所有目标疾病拟合双变量模型,敏感度为0.84(95% CI,0.77–0.89),特异度为0.87(95% CI,0.79–0.93),HSROC AUC为0.92(表3;图6)。配对森林图和HSROC空间揭示了显著的研究间异质性:大多数大型外部验证研究聚集在左上象限附近,而较小单中心研究给出更分散的估计。研究人员强调,该数字聚合了电生理基础、患病率和参考标准不可互换的疾病——心房颤动(心律失常直接表现于记录中)与肺栓塞(ECG信号是间接的)并列——因此所得汇总点不对应于任何个体患者面临的临床决策。报告该数字仅为完整性和与早期跨病种综述的比较,不应引用为AI-ECG对任何单一适应证的准确性。第3.3节和第3.4节中的病种特异估计是本综述临床可解释的结果。
3.6. 阈值效应与异质性
阈值变异是异质性的重要且可量化来源。在HF/LVSD综合中,logit敏感度与logit特异度之间的估计研究间相关性为?0.86(等价于logit敏感度与logit假阳性率之间为+0.86),logit尺度上研究间标准差为0.38和0.40,HSROC形状参数β为0.06,表明近乎对称的权衡。如此量级的相关性正是强烈隐含阈值效应的统计特征:五项HF/LVSD模型近似位于共同准确性曲线上的不同点,而非内在判别能力不同。这与研究报告一致——Thambiraj 2026在刻意偏向敏感度的截断值处运行(0.92/0.65),而K?nig 2024在接近Youden点处运行(0.82/0.77)——这也是HSROC曲线而非汇总点是该亚组跨研究比较的适当基础的原因。在次要跨病种分析中,相关性接近零(+0.08),研究间标准差大得多(0.67和0.86),表明该处的变异主要由目标疾病本身的差异而非阈值驱动——这是不应将该估计视为单一操作特征的又一理由。
3.7. 小研究效应
12项研究符合跨病种综合条件,Deeks漏斗图不对称检验显著(斜率 = 31.3;p = 0.022)(图7)。如第2.7节所述,这不应被解读为证明发表偏倚。Deeks检验将log诊断比值比对有效样本量的平方根倒数回归,因此对任何使小研究系统性区别于大研究的过程均有响应——包括真实准确性和工作点的研究间异质性,两者在此均存在。本样本中的不对称性主要由两项位于诊断比值比分布极端的小研究驱动:Adedinsewo 2024(n = 100,6例,分类完美)和Valente Silva 2023(n = 103,特异度1.00,敏感度0.50)。从HF/LVSD综合中移除Adedinsewo 2024仅使合并估计略有变化(第3.9节),这与不对称反映具有极端估计的小研究行为而非阴性结果的选择性不发表相符。因此,研究人员将漏斗不对称报告为降低次要跨病种估计置信度的无法解释的小研究效应,且不声称检测到发表偏倚。
3.8. 偏倚风险
20项纳入研究中,3项(15%)总体偏倚风险为低,4项(20%)为不清楚,13项(65%)被判断为高风险(图8和图9;表4)。关注点分布于全部四个领域:待评价试验领域在14/20项研究中被评为高或不明确,患者选择和流程与时间各在12/20项中,参考标准在11/20项中。然而,参考标准比其他任何领域吸引了更多明确高风险判断(7/20),源于依赖专家ECG判读作为金标准(如Chang 2021、Liu 2023、Fiorina 2024)、从电子健康记录回顾性获取影像结果而无独立再裁定(Carter 2026、Lee 2025、Thambiraj 2026)或ICD编码结局(Karabayir 2024)。患者选择的关注主要源于产生人为患病率的病例对照抽样(如Awasthi 2023)或仅病例队列(Babur Guler 2026);没有研究在流程与时间领域被评为高风险,该领域的关注几乎总是不明确的ECG与参考试验间隔报告。适用性关注遵循相同模式,总结于补充表S4。
3.9. 按偏倚风险的敏感性分析
由于三分之二的纳入研究总体偏倚风险为高,研究人员在排除它们后重复综合(表5)。在HF/LVSD亚组中,移除两项高风险研究(Lee 2025和Thambiraj 2026)后剩三项研究,低于双变量模型阈值;单变量随机效应合并给出敏感度0.83(95% CI,0.81–0.85)和特异度0.82(95% CI,0.75–0.87),而主要分析为0.86和0.79。因此敏感度略微降低,特异度略微升高,置信区间全程与主要估计重叠;偏移方向正是阈值结构所预测的,因为被排除的两项研究恰好在最偏向敏感度的截断值处运行。值得注意的是,一旦移除高风险研究,敏感度的异质性急剧下降(I2 97%至42%),而特异度的异质性未下降,表明参考标准质量和阈值选择对两个维度的影响不同。
由于整个综述中仅三项研究被评为总体低偏倚风险(Adedinsewo 2024、Carter 2026、K?nig 2024),且均针对HF/LVSD,为整个综述要求的严格仅低风险分析与上述HF/LVSD低风险分析在数值上相同。这一巧合本身具有信息性:在当前文献中,唯一在全部四个领域满足QUADAS-2的AI-ECG证据体涉及射血分数降低的检测。从次要跨病种分析中排除高风险研究后剩六项研究,敏感度为0.80(95% CI,0.69–0.88),特异度为0.92(95% CI,0.78–0.98),HSROC AUC为0.91,同样具有宽且重叠的区间。最后,将HF/LVSD综合限制于四项大型外部验证研究(Carter 2026;K?nig 2024;Lee 2025;Thambiraj 2026)得到合并敏感度0.86(95% CI,0.78–0.92)和合并特异度0.77(95% CI,0.69–0.84),与主要估计基本一致。在每次敏感性分析中,HF/LVSD估计对敏感度和特异度均保持在大约三个百分点以内。
3.10. 证据确定性
HF/LVSD亚组的确定性被分级为中等,因部分研究中参考标准相关的偏倚风险而降级(表6);该估计对排除高风险研究的稳健性(第3.9节;补充表S6)被考虑,防止了因偏倚风险的进一步降级。次要跨病种估计的确定性被分级为低,原因是不一致、间接性和无法解释的小研究效应(表6)。
4. 讨论
本综述旨在确定目前关于AI-ECG诊断准确性可以且不能声称的内容,答案在不同疾病间高度不对称。对于射血分数降低的检测,证据基础现已成熟到足以支持合并估计——五项独立外部验证、超过100,000例配对ECG–超声心动图观察,以及在移除最高偏倚风险研究时移动不超过几个百分点的估计。对于其他每个心脏目标,证据仍然是一组单一研究,诚实的总结是范围而非点值。
与更广泛文献的比较:本综述的结论与近期该领域的综述并列但不互换。Lin等人对AI-ECG从研究到临床应用的综述强调,最强证据涉及无症状低射血分数和窦性心律期间阵发性心房颤动的转化轨迹,随机评估已开始证明工作流程获益而非仅判别能力。本综述的定量结果与该解读一致并赋予其数值锚点:他们强调的两个领域正是本综述发现稳定合并估计(HF/LVSD)或一致高各研究准确性(心房颤动)的两个领域。AI在动脉粥样硬化性心血管疾病和冠状动脉介入中的综述汇聚于另一个同样重要的主题——主要障碍是数据偏倚、可解释性和缺乏多中心验证,而非模型性能本身。本综述的QUADAS-2结果在诊断环境中实证支持了这一主张:评估的研究中三分之二处于高偏倚风险,主导原因不是算法而是判断其所依据的参考标准。
与Kany等人的比较对冠状动脉领域特别有启示,本综述自身的合并结果在该领域最不稳定。他们使用超过760,000份记录训练基于ECG的模型并在三个外部队列中评估,报告流行性冠状动脉疾病的曲线下面积为0.75–0.78——实质性低于本综述HF/LVSD亚组中射血分数模型的0.88–0.92典型值,且样本量远大于本综述能纳入的任何冠状动脉研究。两条证据线——本综述来自小型异质性DTA研究,他们来自大型单项目开发和验证工作——得出相同结论大大加强了推断:慢性冠状动脉疾病的心电图底物确实弱于心室功能障碍,本综述观察到的CAD/ACS-MI各研究估计差异(敏感度0.69–0.91)最可能反映病例组合和阈值差异而非模型间差异。他们发现模型仍能对随后的心肌梗死和心力衰竭进行风险分层,也指向DTA综述无法捕捉的区分,即ECG衍生评分即使横断面诊断准确性不高也可能携带预后信息。
为何参考标准占主导:近三分之二的纳入研究在QUADAS-2上被评为高偏倚风险。待评价试验领域在最多研究中引起关注(14/20被评为高或不明确),但参考标准比其他任何领域产生更多明确高风险判断(7/20),这不是边缘观察。将专家ECG裁定视为金标准(Chang 2021、Liu 2023,部分Fiorina 2024)在待评价试验本身是ECG衍生分类器时产生循环:所测量的是与专家判读的一致,而非解剖或功能疾病的检测,算法可在前者得分高而对后者无增益。相反,从电子健康记录或临床叙述中回顾性提取影像结局(Carter 2026、Lee 2025、Thambiraj 2026)效率高,允许使外部验证可行的大样本,但放弃了独立再裁定,继承了源记录包含的任何错分。诊断性病例对照设计(Awasthi 2023、Karabayir 2024)人为抬高患病率,可扭曲敏感度、特异度和预测值。这些是可解决的问题,本综述中三项低风险研究证明它们在实践中的可解性。
解读阈值变异和漏斗不对称:本分析的两个特征值得强调,因为它们易被过度解读。首先,本综述综合的模型不共享决策截断值,HF/LVSD估计的强烈负研究间相关(ρ = ?0.86)表明这很重要。双变量和HSROC框架正是为此情形设计的,不要求共同阈值,但它改变了汇总点的含义:它是模型部署时工作点的平均值,而非推荐截断值的性能,HSROC曲线是应跨研究比较的量。报告单个敏感度/特异度对而无伴随曲线将夸大任何未来实施者可期望复现它的精确性。其次,显著的Deeks检验(p = 0.022)最好被理解为小研究效应而非发表偏倚。在DTA Meta分析中,诊断比值比漏斗的不对称性由真实准确性和阈值的异质性产生,与选择性发表一样容易,检验区分它们的能力有限。在本样本中,不对称性可追溯到两个具有极端诊断比值比的小研究,移除其中最极端的仅使HF/LVSD估计略有移动。因此研究人员用该结果来调节跨病种汇总的置信度,而非断言阴性研究缺失。
优势与局限:研究人员预先定义了诊断准确性框架和统计方案,在分析前指定HF/LVSD问题为主要问题,按PRISMA-DTA报告,重复应用QUADAS-2,并拟合了带HSROC可视化的双变量随机效应模型。研究人员刻意选择通过预设每项研究单个主要行来防止重复计数,记录每次数据重建,并在合并不适当处限于描述性综合。局限同样明确。限于英文报告可能排除了合格工作。若干2 × 2表不得不从报告的汇总测量中重建。识别和筛选阶段的记录级计数未保存,作为方案偏离报告。最重要的是,对于HF/LVSD以外的每种疾病,合格研究数过少无法合并,因此本综述对这些疾病的陈述基于单一估计,应视为初步。由于最终检索日期后可能出现合格论文,方案规定进行更新。
启示:在HF/LVSD中,当前证据将AI-ECG定位为初级保健和急诊环境中的补充排除试验,阴性结果可能推迟低风险患者的进一步影像检查;即便如此,其阳性预测值在人群水平患病率下保持适中,确认仍依赖下游超声心动图。对于其余疾病,针对指南参考标准的病种特异前瞻性外部验证将比进一步模型开发更能推动领域进步。按TRIPOD和CONSORT-AI框架报告,并在正文而非补充材料中包含预设工作点的完整2 × 2混淆矩阵,将大幅提高未来Meta分析综合的可行性;在本综述中,五项本可合格的研究因2 × 2单元格不可恢复而无法合并——缺失分母、未报告特异度、循环专家ECG参考标准或仅病例设计——另有三项因病例对照抽样使患病率及单元格不可解释。
5. 结论
基于AI的ECG分析在多种心脏疾病中达到中等偏高的诊断准确性,最一致且可重复的证据支持其以超声心动图为参照检测HF/LVSD;该估计在排除高偏倚风险研究后依然稳健。对于所检查的其他目标疾病,可用研究过少无法合并,确定性因方法学异质性、回顾性设计占主导以及对参考标准的关注而进一步降低。
若干方向可能加强证据基础。使用独立裁定的参考标准进行前瞻性外部验证将解决本综述发现偏倚风险最集中的领域。在通常报告的判别指标旁透明报告预设工作点的完整2 × 2表,将使未来研究可进行Meta分析——这一问题实质性制约了本综述。鉴于观察到的阈值异质性,跨一系列工作点报告性能而非单一开发衍生截断值,也将帮助实施者了解其自身环境中的预期。本综述将这些作为当前证据提示的优先事项而非规定,并认识到它们之间的适当平衡将取决于目标疾病和部署环境。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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