人工智能技术助力心血管疾病诊疗.pdfVIP

人工智能技术助力心血管疾病诊疗

【摘要】人工智能正在从根本上改变着人类生活的各个方面，心血管疾病的诊

疗同样受到了人工智能技术的深刻影响。深度学习等对心血管疾病的预测、诊断、

治疗、管理等环节带来了巨大帮助。在智能化、数字化、个体化、精准化的人工

智能模型加持下，更准确、更高效的心血管疾病诊疗成为可能。该文对相关领域

的研究进展进行了总结和描述，并予以多维度评价，同时阐释了未来发展的愿景

与挑战。

【关键词】人工智能；心血管疾病；大数据

自20世纪50年代伊始，人工智能（artificialintelligence，AI）技术

历经3次浪潮，已取得长足发展。目前，以ChatGPT为代表的深度学习技术正在

全面改变人类社会的生产与生活。为医疗领域尤其是心血管疾病的诊疗带来了更

多的创新与挑战［1］。

近年来，AI技术应用于心血管领域的文章发表量迅速增加［2］，一面立足

于心电图、超声心动图、血管成像、磁共振等检查手段，发掘其更大的诊断和预

测价值；一面从疾病出发，尝试进行多模态信息体系构建，实现智能化的早期筛

查与综合诊疗。本文旨在阐述AI技术助力心血管疾病诊疗的进展，并探讨其意

义、挑战及未来发展。

一、AI赋能心血管诊断技术拓展疾病预测与诊断能力

1.AI赋能后的心电图拥有了更广泛的预测与诊断能力：心电图是心血管疾

病诊疗的常规和基础检查，最初的机器学习聚焦于心电图的诊断能力，尝试通过

算法的不断改善与演化，持续提高心律失常、心肌梗死等常见疾病诊断的准确性。

而深度学习技术的应用实现了基于可穿戴式设备采集的海量数据进行实时诊断。

然而，目前可穿戴式设备采集的单导联数据有很大的局限性，解决的主要是节律

诊断，对于心肌缺血定位等的诊断和预测能力有限。基于12导联心电图的智能

算法展现出了更广泛的诊断能力，Attia等［3］基于12导联心电图数据库应用

卷积神经网络技术建立了心房颤动的预测模型，发现多次检查心电图可以进一步

将预测心房颤动的敏感度、特异度提高。此后，该团队使用9万余例患者的心电

图与经胸超声心动图数据，采用卷积神经网络技术建立预测模型，以实现应用心

电图来预测左心室射血分数≤35%的患者，预测的敏感度和特异度可分别达到86.

3%、85.7%，受试者工作特征曲线下面积（areaunderthecurve，AUC）为0.9

3［4］。

目前，AI技术在心电图的应用逐步向预测价值延伸。ValenteSilva等［5］

展示并验证了一种基于AI技术和心电图的高特异性肺栓塞预测模型，为医师急

诊接诊提供有效辅助。Hirota等［6］构建了一种深度学习算法，使用从12导

联静息心电图获得的参数成功预测无结构性心脏病患者的全因死亡和心血管疾

病死亡。

2.AI赋能使心血管影像技术诊断能力不断提升：心血管影像在心血管疾病

的诊断中具有重要意义。超声心动图、冠状动脉CT血管成像（computedtomog

raphyangiography，CTA）、心脏磁共振（cardiacmagneticresonance，CMR）

及核素相关的心肌灌注显像等都可以在AI加持下创造更多可能。AI技术的运用

不仅提高了诊断准确性和效率、减少了医师的个体认知差异，还可实现对潜在异

常的探索以及相似疾病的鉴别等。

超声心动图临床应用广泛，诸多研究聚焦于其结果准确性的提升，如Ouyan

g等［7］借助深度学习基于动态超声心动图构建了射血分数计算模型，其准确

性和可靠性均较专家更优。对于超声心动图不易鉴别的疾病，AI也可提供帮助，

如Laumer等［8］在一项队列研究中对比了Takotsubo患者和急性心肌梗死患者

的经胸超声心动图，证实深度学习技术对疾病分类的准确性较专家更高。同样，

AI也在拓展普通超声心动图的诊断边界，以求建立更便捷的临床诊疗方案，如P

ieszko等［9］使用AI对经胸超声心动图进行分析，可较为准确地预测左心耳

血栓，协助医师更好地确认需接受经食道超声心动图检查的人群。

冠状动脉CTA可有效排除冠心病，但钙化病变对CTA成像影响较大，经验不

足的医师可能会高估相应血管的狭窄程度，导致非必要的侵入操作。多项研究将

深度学习技术引入CTA影像分析中，以血流储备分数（fractionalflowreser

ve，FFR）为金标准构建CTA-FFR的预测模型，极大地提高了CTA检测钙化病变

的敏感度和特异度，如Griffin等［10］使用AI回顾性分析冠状动脉CTA影像，