我国学者突破专科壁垒：AI-ECG 实时提醒助力非心脏科医生，房颤诊断与抗凝治疗效率大幅提升

【研究亮点】

• 首次提出并验证了人工智能（AI）驱动的心电图（ECG）实时提醒系统，可有效提升非心脏科医生对房颤的识别率及非维生素K拮抗口服抗凝药（NOAC）处方率。
• AI辅助ECG提醒将新房颤诊断率提高40%，NOAC处方率提升85%，缩小了心脏科医生与非心脏科医生在房颤管理质量上的差距。
• AI介入虽未能立刻降低90天内缺血性卒中及心血管死亡发生率，但显著减少了消化道出血风险，显示出安全性兼备的潜在临床获益。

近期发表于Journal of the American Heart Association杂志上的一项研究，基于深度学习的人工智能心电图（AI-ECG）报警机制，显著提升非心脏科医生对房颤（AF）的诊断效率及相应抗凝治疗的实施。研究涵盖台湾两家医院，纳入接近18000名成绩符合条件的门急诊及住院患者，随机指派120名和113名非心脏科医生至干预（AI-ECG提醒）及对照（常规护理）两组，重点考察90天内新诊断房颤率和NOAC处方率。试验显示，AI-ECG提醒组患者NOAC处方率达到23.3%，远高于对照组的12.0%。同时，AI辅助显著提升了新房颤诊断率（47.8% vs 36.0%）。

研究背景

房颤是导致缺血性卒中的主要心律失常，规范抗凝治疗可减少卒中风险。然而，现实临床中，房颤的诊断常被忽视，尤其在非心脏专科医疗人员中更为明显。非心脏科医生面对风险评估工具的掌握和抗凝治疗管理存在认知及实践差距，导致房颤相关抗凝治疗推行不足。传统的12导联心电图筛查对无症状患者灵敏度有限，且解释依赖临床医生及心脏科专家的经验，延后了诊断确认和治疗启动。近年来，NOACs以其使用安全、无需频繁监测的优势，取代传统华法林而成为优选方案，但其处方率在非心脏科环境依然不理想，缺乏有效辅助工具。

临床决策支持系统（CDSS）近年来兴起，部分方案专注于已知房颤患者的卒中风险评分，尽管能优化抗凝处方，却未涵盖新发房颤的主动识别。深度学习与人工智能技术的发展赋予了自动心电图释义强大的能力，有潜力实现房颤的精准筛查。然而，真实世界中针对非心脏科医师应用AI-ECG辅助提高诊断及治疗效率的前瞻性、大规模研究稀少。本研究旨在填补该领域空白，评估AI-ECG辅助提醒系统对提升非心脏科医生房颤诊断及应用NOAC的效果。

研究方法

CARDIOLOGIST研究设计为多中心集群随机对照试验，以台湾两家医院的非心脏科医师为随机单位，分组进行干预。纳入无既往房颤且符合中风风险评分（CHA₂DS₂-VASc≥1/男性，≥2/女性）的成人患者。干预组内，当AI-ECG通过深度卷积神经网络识别出心电图有高概率房颤时，立即向主治医师手机发送房颤提醒及心电图影像；对照组则按常规流程诊断与治疗。主要终点包括：90天内新诊断房颤、NOAC处方率、心脏超声安排及心脏科转诊率，次要终点包括90天内缺血性卒中发生、心血管死亡和全因死亡率。所有ECG经过经验丰富心脏科医生最终审核，作为诊断金标准。

心电图AI模型训练基于超过15万患者的超过34万条历史ECG数据，模型性能稳定，内部及外部验证区间敏感性97%至98%，特异性98%至99%，正预测值最高达89.9%，以此确保提醒的准确性及减少报警疲劳。

研究结果

主要终点：

• 新诊断房颤率显著提高，干预组达47.8%，对照组36.0%，风险比（HR）1.40 (95%CI 1.03–1.90)，P=0.030。[见Fig1]
• 90天内NOAC处方率23.3%显著高于12.0%，HR 1.85 (95%CI 1.11–3.07)，P=0.016。
• 心脏科转诊及心脏超声安排未见统计学显著差异，分别为33.5% vs. 23.7% (P=0.063)及无显著差异。

图：AI-ECG介入组与对照组新诊断房颤及NOAC处方率Kaplan-Meier曲线比较

次要终点：

• 缺血性卒中、心血管死亡及全因死亡率在两组间无显著差异（例如全因死亡HR 0.72，P=0.08），提示短期临床结局尚未明显变化。[见Fig2]
• 干预组消化道出血事件显著减少（2.5% vs 6.9%，HR 0.35, P=0.009），显示良好安全性。

图：AI-ECG介入组与对照组90天主要临床终点比较（缺血性卒中、心血管死亡、消化道出血等）

AI误判及处方合理性分析：

• AI误判率低，干预组48例，控制组35例次发误判定的病例，且无因误判直接导致NOAC不当处方。
• 非处方NOAC的主要原因包括患者去世、活跃出血及解剖学禁忌，且AI提醒显著促进无明显禁忌患者NOAC使用（34.4% vs 18.0%，P=0.005）。

讨论与意义

本研究创新性地将高度准确的AI-ECG诊断技术整合进临床决策支持系统，向非心脏科医生针对潜在房颤患者发出即时提醒，有效缓解了非专家环境下房颤识别和管理的难题。试验证明，单一AI提醒即可显著提升房颤新诊断率和抗凝治疗依从性，弥补了当前非心脏科医生对房颤识别不足、抗凝处方率偏低的缺陷。

从患者安全角度看，AI介入不仅未增加严重出血风险，反而降低了消化道出血事件，推测得益于AI促进的心脏科转诊及多学科综合管理。此外，尽管临床结局短期无显著改善，长期随访或更大样本量研究有望展现更明显的卒中风险下降和死亡率减低。该研究也揭示了医生对房颤已有信息的识别和决策存在临床惯性，未来需要辅以医师教育和风险评估工具，提升执行力。

本CDSS具有良好的推广潜力，尤其适用于资源有限或非专科医疗场景，在全球范围内均具有广泛应用价值。未来研究可聚焦于优化报警阈值避免过度提醒、结合患者自我监测数据和多模态信息提升诊断敏感度、及长期临床获益评估。

原始出处

Artificial Intelligence–Enabled ECGs for Atrial Fibrillation Identification and Enhanced Oral Anticoagulant Adoption: A Pragmatic Randomized Clinical Tria.Journal of the American Heart Association, 2025, Volume 14, Article e042106.