为了识别心脏问题，如心脏病发作和心律不齐，医疗专业人士通常依赖于12导联心电图（ECG）。这些复杂的设置涉及多个电极和导线，被放置在胸部和四肢上，以监测心脏的电信号。不幸的是，这些心电图需要专业的工具和知识，并不是所有医疗机构都具备。
最近，一组来自斯克利普斯研究所的科学家和医学专家证明，仅使用三个电极结合人工智能（AI）系统，可以以相似的准确性诊断心脏问题。在2024年8月1日发表在npj Digital Medicine上的一项研究中，研究人员表示，他们的AI可以仅使用来自三个ECG导联的数据生成完整的12导联心电图。此外，医生通过分析这些AI生成的ECG几乎可以同样准确地识别心脏病发作，接近于标准12导联ECG的准确性。
心脏病学家Evan Muse博士，斯克利普斯研究转化研究所心血管基因组学负责人，以及论文的共同资深作者表示：“这为患者提供了高质量和及时临床信息的机会，而不需要前往配备12导联ECG的机构。这可能意味着ECG技术的可及性增加、成本降低和患者安全性提高。”
为了创建新的AI工具，研究团队利用了来自不同患者的超过600,000个12导联心电图的数据。这些心电图中大约一半显示正常心律，而另一半则表现出不同的心脏疾病。斯克利普斯研究转化研究所的人工智能主任Giorgio Quer博士及该研究的共同资深作者开始探索仅使用两个或三个电极的组合，能否有效地让AI重建完整的12导联数据。
Quer解释道：“我们认识到这些导联之间有一些相互关系。深度学习算法使我们能够处理大量数据集并理解这些导联之间的关系，从而促进整个12导联输出的重建。我们最初的目标是仅使用四肢导联进行完整重建，因为这些最容易让非专业人士应用。 然而，我们发现加入一个胸部导联显著改善了我们的结果。”
研究人员对238个心电图进行了实验，其中一半显示出心脏病发作的迹象。他们向心脏病专家展示了原始12导联心电图和一个使用三个选定导联的AI重建ECG。心脏病专家无法区分这两者；他们在AI生成的ECG中准确识别心脏病发作指标的准确率为81.4%，与原始12导联心电图的84.6%准确率非常接近。
Quer补充道：“对我们来说，至关重要的是证明这个算法不仅在技术层面上有效，而且它生成的数据可以被心脏病学家准确解读。”
研究团队建议，在该算法用于临床决策之前，还需要在不同医疗环境中对不同患者群体进行进一步研究。然而，如果这个工具表现出一致的良好性能，它可能使心电图在设备和人员较少专业的环境中进行，从而使患者能够更快地进行诊断和治疗。
斯克利普斯研究所创始人和所长、执行副总裁Eric Topol博士表示：“这代表了AI的一个理想案例——从几个导联的（12导联）心电图中浓缩信息，生成高信息量的输出，这在未来可能对患者产生重要的实际影响。”
这项研究是越来越多努力的一部分，旨在提高AI工具在筛查和诊断心脏相关疾病中的使用。2023年，Quer的团队披露，一个佩戴两周的单个ECG贴片可以帮助识别出最高风险的心房颤动患者。
Quer总结道：“这项最新研究示范了AI如何促进以前无法实现的操作。”
