两秒读出风险，准确率最高九成

这项成果于欧洲心脏病学会（European Society of Cardiology）年会上公布，会议在慕尼黑举行，是全球规模最大的心脏领域学术会议。研究团队介绍，该工具基于数百万份心电图训练而成，能够提取心电波形中肉眼与常规算法都难以察觉的细微模式。

在一项覆盖美国约 6.7 万名患者的验证中，该工具对心衰的识别率最高达到 81%，对心脏瓣膜病的识别率最高达到 90%。全球每年约进行 10 亿次心电图检查，如果能在现有检查流程中“顺手”完成一轮高风险筛查，影响面将相当可观。

不替代超声，而是抢出时间

研究者的目标并非用人工智能取代超声心动图，而是把它变成一道高效的分诊关卡。工具本身不能作为确诊依据，但能对“极有可能存在异常”的人给出强烈提示，使其被优先安排超声复查，而不必在常规排队名单上苦等数月。

英国心脏基金会临床总监、顾问心脏病专家 Sonya Babu-Narayan 表示，心电图检查快到“眨眼之间”就能出结果令人振奋；这类技术虽不能发现每一位患者，却能帮助最需要的人尽早进入后续诊断通道，而心脏问题越早干预，生存与生活质量获益越大。

帝国理工学院心脏病学教授 Fu Siong Ng 指出，患者经医生转诊后，往往要等上数月才能做上心脏超声。该工具的价值，正在于把心衰与瓣膜病风险最高的人群提前筛选出来，让他们更快、更紧迫地进入检查序列。

从“超人”到手持设备

领导帝国理工学院该项分析工作的英国心脏基金会临床研究员 Ahmed El-Medany 将这套系统称为“超人级人工智能”。他提到，下一步的挑战是设计面向医护人员的手持式人工智能心电图仪，把能力从医院设备延伸到现场。

同一会议上，东京大学与东京科学大学的研究者还展示了另一项成果：通过对五秒面部视频进行人工智能分析，可快速识别未确诊的高血压与 2 型糖尿病——全球有数以百万计的人并不知道自己患有这些慢病。

距离临床落地仍有距离

需要说明的是，这套心电图人工智能工具目前尚未获得临床使用批准。研究者仍需在更多元的人群与医疗体系中完成验证。但从验证结果看，基于心电图的人工智能分析有望成为心内科的常规分诊步骤：早期识别心衰与瓣膜病，意味着更早开始治疗，从而减少住院与死亡。

《卫报》（The Guardian）健康版编辑 Andrew Gregory 8 月 27 日发自慕尼黑报道，一项研究显示，本用于筛查乳腺癌的常规乳腺 X 光片，经人工智能分析后，或可同时发现女性的心血管疾病。研究团队来自以色列，由特拉维夫大学（Tel Aviv University）的 Viana Copeland 医生牵头，成果在欧洲心脏病学会（European Society of Cardiology）年度大会上公布——这是全球规模最大的心脏医学会议。

样本与准确率

研究覆盖 29,921 名女性、共 97,364 张乳腺扫描，平均年龄 54 岁。结合医疗记录，其中 16% 患有高血压，2.5% 患有冠心病，2.5% 曾中风。机器学习模型仅凭乳腺片，识别中风的可靠率达 86%，高血压 79%，冠心病 78%，且不受年龄或是否并发癌症影响。目前模型已训练完成，团队正继续提升准确率、减少误报，并扩充可识别的心脏病情种类。

为什么有意义

心血管疾病是全球女性头号死因，却长期被低估、漏诊、治疗不足。Copeland 指出，女性就医时心血管病往往已到晚期；但很多人会定期参加乳腺癌筛查，即便没有心血管症状。「乳腺摄影还能触达大量中年女性，正是识别与管理心血管风险的关键窗口，」她说。欧洲心脏病学会的 Elena Arbelo 表示，乳腺片未来或许不仅看乳腺癌，也能打开一扇观察心血管健康的窗；「难点在于确立准确性与可靠性，从实验走向临床落地。」

英国心脏基金会顾问心脏病专家 Sonya Babu-Narayan 认为，若这项来自以色列的大规模研究进一步被证实，乳腺癌筛查项目有望「一检两用」，在发现乳腺癌的同时，标记出心血管病高风险女性，从而实现更早的发现与预防。