人工智能助力房颤筛查

本研究属于非随机干预试验。研究者前瞻性地招募了具有卒中危险因素但无心房颤动的患者。他们在日常诊疗中进行了心电图 (ECG)检查。参与者佩戴连续动态心律监测器长达30天，数据通过网络连接近乎实时地传输数据。人工智能算法应用于心电图，将患者分为高风险或低风险组。

主要终点是新诊断的心房颤动。在次要分析中，试验参与者与来自符合条件但未入组试验的人群进行倾向评分匹配 (1:1)，作为真实世界的对照。

研究结果发现：来自美国40个州的1003名平均年龄为74岁 (SD 8.8) 的患者完成了这项研究。在平均22.3天的连续监测中，370名低风险患者中的6名 (1.6%) 和633名高风险患者中的48名 (7.6%) 检测到心房颤动（优势比 4.98, 95 % CI 2.11–11.75, p=0.0002)。

与常规诊疗相比，AI引导的筛查增加了房颤检出率（高危组：常规诊疗的3.6% [95% CI 2.3–5.4] vs AI指导的筛查组 10.6% [8.3–13.2]，p<0.0001；低风险组：0.9% vs 2.4%，p=0.12)，中位随访时间为9.9个月(IQR 7.1–11.0)。

毅讯点评

人工智能的诊断无疑可以帮助医生进行临床决策和患者管理。但目前很多研究还停留在临床研究层面，在真实世界应用人工智能还存在决策风险、医保支付等许多现实问题。

这些不但需要医生、工程师进一步努力提高AI的诊断成功率，特别是减少误诊率和漏诊率，也需要健康管理者的共同参与与推进。