人工智能（AI）是改善卫生保健服务的新兴技术。在全球政府机构和学术部门的共同推进下，大量研究论证AI可以改进心血管疾病的诊断、治疗和预防，但其发展和应用仍存在一些限制，尚未在广泛范围内服务临床。基于此，美国心脏协会（AHA）于2024-04-02在Circulation发表了《人工智能在心血管疾病中的应用科学声明》（以下简称声明）。该声明综述了AI在心血管疾病诊断、分类和治疗中的研究进展，提出了AI应用中存在的问题以及潜在解决方案，并且构建了未来AI在心血管领域应用的框架。本文旨在对该声明进行解读，为我国AI在心血管疾病的应用和研究提供建议和方向。
PART 1
声明制订背景与方法
该声明是由SALAH S. Al-Zaiti博士代表AHA精准心血管医学研究所及其他多个委员会撰写的科学声明，旨在展现AI在心血管研究和临床护理中实现精准医疗和实施科学的当前状况以及说明AI的实践情况和挑战。该声明适用于所有已应用或者可能应用AI的医疗卫生机构，包括初级医疗卫生机构、特殊医疗卫生机构、长期医疗卫生机构和社区，目标人群为从事与心血管疾病有关的临床医生以及研究AI的科研人员。声明主要是通过总结现有AI在心血管疾病诊断、分类和治疗中的研究，提出了AI在心血管疾病各个领域的应用和面临的挑战。
PART 2
声明的主要内容
01
AI在影像学中的应用
AI算法在心脏疾病诊断和预后方面得到广泛运用，不仅涵盖了安排和调度图像获取的过程，还能减少图像获取和处理时间，减少辐射暴露和对比剂使用量。另外，AI算法还能辅助于诊断和报告，为临床决策提供支持，并预估患者的预后。AI在多种心脏成像方式（超声心动图、心脏CT、心脏核磁共振成像和核医学成像）均有应用价值。在超声心动图中，AI可以自动分割心室容积进行分析，计算射血分数，评估瓣膜结构以及纵向应变和心室壁运动异常。在心脏CT中，AI可以自动量化冠状动脉斑块和血流，对冠状动脉评分从而评估心血管风险，以及计算血流储备分数和心肌灌注。AI在心脏核磁中能够自动分析心室结构和体积以及心肌血流和灌注储备。在核医学成像方面，AI可以用于心肌血流和流动储备的量化以及其心血管死亡率的预测。另外，AI在心脏疾病的治疗以及卒中的早期诊断和预后预测等方面有一定的应用价值。
AI在影像学中的应用面临一些挑战，如数据样本量偏小、数据整理复杂等。声明指出，通过采用适当的学习技术（例如监督学习或者非监督学习）、开发深度学习、建立数据共享机制，可能是有效的解决途径。
02
AI在电生理方面的应用
在电生理领域，AI通过自动化解读可以识别心电信号。多项研究表明AI可以扩展现有专家的能力，实现心电图报告的自动化和精确解读，然而，由于目前临床数据的应用相对不足，这可能对医疗决策产生不利影响。其次，可以识别人工难以识别的心电图的微妙变化，增强对疾病表型的鉴别。此外，在疾病发生过程中，心脏电活动的改变较影像学改变和结构改变出现得更早，因此AI的应用可能有助于发现隐匿性疾病和预测相关疾病。
回顾性研究中显示AI可以通过心电图在不同人群（不同性别、种族、妊娠状态）中识别出左心室功能不全。另外，在超过20 000例非心力衰竭患者中，AI通过心电图对心室功能不全的检测率相比常规方法提高了32%。AI还可以识别其他结构性心脏病，包括肥厚型心肌病、淀粉样变性、主动脉狭窄和肺动脉高压。
AI在电生理领域应用的局限性包括在大型人群中应用的稳健性不足，缺乏前瞻性的临床研究。通过结合心血管电生理专业知识、加强医疗和AI的交叉融合、增加结果可解释性，有助于提高AI在人群应用的稳健性。
03
AI在院内监测的应用
AI可以优化患者的监护，提高监测准确性。在重症监护室应用卷积神经网络可以区分真假监护报警，从而减少警报疲劳。在预测病情恶化方面，床旁监测AI可以识别出重症监护室监测心力衰竭的恶化和失代偿前的细微生理特征变化，从而进行早期干预。另外，AI可以对败血症和低血压提前预测，较传统方法提前3~40 h并且有很高的准确性。AI可以利用心电图、血压和经皮血氧饱和度预测心室纤颤的发生，对心室纤颤发作5 min~6 h的准确性为0.83~0.94。AI还可以预测既往心房颤动病史的住院患者发生卒中、短暂性缺血发作和出血的风险。AI也可以有效预测各种手术围术期并发症和死亡率，可以改善患者选择、手术设计和知情同意。
AI在院内监测的应用面临一些挑战，包括缺乏严格的前瞻性评估、对临床终点的影响有限、难以做出影响临床决策的预测，以及缺乏标准化平台向临床医生报告预测等问题。此外，声明还指出噪声干扰和监测数据的有效性等问题。对此，通过设计前瞻性试验可以验证AI评估的准确性，延长数据采集时间、增强监测数据的有效性。
04
AI在可穿戴/可植入设备的应用
声明指出可穿戴设备可以记录使用者的运动、心率、心律和血压情况，可以用于日常健康管理甚至疾病诊断。大量研究表明基于AI的可穿戴设备可以监测近期心房颤动的发生，还可以利用脉冲信号测量血压。可穿戴设备还可以指导心力衰竭患者的管理，一项多中心的研究显示将AI应用于智能手机的可穿戴的多传感器胸贴，可以对心力衰竭加重有很高的预测价值（灵敏度为88%，特异度为85%）。植入式设备也可以提供数据监测以改善心血管护理，包括植入式心律失常监测器、起搏器或除颤器。
可穿戴设备应用的局限性包括信号质量和患者舒适度。可穿戴设备的数据隐私问题需要得到进一步的解决，数据的隐私和完整性需要得到保护，比如可以建立基于AI技术的可穿戴设备的监管途径。另外，许多已公开发表的AI算法缺乏透明度和可复现性，需要进一步的前瞻性研究或临床试验来验证AI算法的可信度。
05
AI在遗传变异的应用
DNA测序项目提供了大量的人类基因组数据，结合表型信息和生活方式，为AI提供了所需的训练数据。AI对心血管疾病风险变异的识别，可以预测个体未来的疾病风险，开启疾病进行监测的新阶段，有助于开发靶向药物和预测疾病的严重程度。利用AI将多基因风险评分和临床信息结合，可能会推进精准医疗在心血管疾病中的应用和实施。然而，识别心血管疾病风险变异的AI尚处于开发阶段，需要不断地发展完善才可能成熟应用。
06
AI在电子病历的应用
利用AI对电子病历进行分析可以改善疾病监测，将患者分层为"可治疗类型"和"不可治疗类型"，并基于此确定临床工作流程。另一方面，电子病历中记录了大量的数据，包括患者病史、实验室检查、影像学检查、临床结局等，AI可以整合这些信息，从中提取出有用的模式和关联，从而对疾病结果进行预测。声明描述了几个基于电子病历的成功应用案例。
在预测死亡率方面，一项总结了21项基于AI使用电子病历预测院内死亡率的综述显示，AI预测重症监护室死亡率正确性约为86%。另一项纳入超20万名重症监护室患者的研究显示，AI基于电子病历预测患者30 d死亡率的准确性高于简化急性生理学评分（SAPS）。AI使用电子病历预测不良心血管事件也具有很高的准确性，一项纳入7 686例患者电子病历的研究显示，在对1 000个变量进行分析后，预测研究的AUC为0.81。在疾病分类方面，AI可以整合多个复杂数据来更好地对疾病进行分类。比如，对于心力衰竭的分类，AI不局限于传统的射血分数保留和射血分数下降的分类，还整合了多种模式的数据，以识别心力衰竭不良预后风险增高的患者。
基于AI分析电子病历在临床中的应用也存在一些限制，比如电子病历的质量和准确性。在分析电子病历时也会产生潜在偏差，比如临床医生会对病情严重或者不稳定的患者进行更多的检查以及重复检查，因此收集的病历其实有临床医生的潜在判断，而且这种偏差在不同的临床医生中具有高度变异性。而且，不同实验室的测量结果并非完全相同，这可能造成研究结果缺乏普遍性。另外，目前仍然缺乏足够的证据表明基于电子病历的AI预测可以对患者预后产生积极影响。
PART 3
AI在心血管领域实施的框架
PART 4
对我国临床实践的意义
声明强调了利用AI技术实现精准医学和实施科学在心血管疾病研究和临床中的应用，这为我国在心血管医学领域推行精准医学提供了重要的参考和借鉴，有助于提升治疗效率和个体化治疗水平。另外，AI技术可以在一定程度上解决我国医疗资源不平衡的现状，对于改善偏远和欠发达地区的医疗服务有重要意义。但是，考虑到前文所述应用AI的限制，临床工作中应当把AI处理的结果当作决策的参考意见而非决定因素。
对我国指南制订的意义
扫码添加小编微信
备注姓名+单位+研究方向，方便拉您入群，群内定期分享高质量学术文章及相关学术活动资讯。
全科医学、初级卫生保健｜肿瘤｜内分泌、代谢疾病及营养｜心血管疾病｜呼吸系统疾病｜神经系统疾病｜消化系统疾病｜儿科｜泌尿系统疾病｜中医药｜老年问题｜精神卫生问题
