凡是去医院看过病的人，不难发现医生脖子上总挂着一个东西——听诊器。作为内外妇儿医生最常用的诊断用具，听诊器是医生的标志，现代医学即始于听诊器的发明，它能根据心跳声的强弱、频率等来初步判断心脏是否有疾病。听诊的内容主要包括心率、心律、心音等方面。但近年出现了“智能听诊器”，不仅能“听”，还能通过人工智能（AI）和云计算检测出心脏杂音和是否存在房颤等问题，最新研究显示它还可以识别左心室功能障碍(LVSD)！
编者按：凡是去医院看过病的人，不难发现医生脖子上总挂着一个东西——听诊器。作为内外妇儿医生最常用的诊断用具，听诊器是医生的标志，现代医学即始于听诊器的发明，它能根据心跳声的强弱、频率等来初步判断心脏是否有疾病。听诊的内容主要包括心率、心律、心音等方面。但近年出现了“智能听诊器”，不仅能“听”，还能通过人工智能（AI）和云计算检测出心脏杂音和是否存在房颤等问题，最新研究显示它还可以识别左心室功能障碍(LVSD)！
心电图听诊器（ECG-Scope）可在听诊时获取单导联心电图，并可能有助于实时筛查单独通过心脏听诊无法常规识别的病变。这项研究显示，有一种AI算法可以使用12导联心电图识别LVSD（定义为射血分数[EF)]≤40%），AUC为 0.91（图1）。
图1
背 景
在低EF的情况下，虽然治疗可以降低相关的发病率和死亡率，但约有8%的人群可能无症状且并未被诊断。在常规临床检查期间，低EF并不明显，因此ECG自动提示低EF存在的能力并促使临床医生进行验证性测试（如超声心动图）无疑是有意义的。然而，在看似健康的患者中广泛获取常规12导联心电图既不划算，也不高效。最近的一项技术证明了在常规心脏听诊过程中获取单导联数字ECG的能力。对此类设备采集的信号应用AI、ECG衍生的临床诊断算法，可以在常规体检期间早期识别临床病理学。因此，研究人员试图评估使用这种心电图听诊器的预测准确性。
方 法
研究前瞻性招募了100名患者。在进行超声心动图检查时，在多个电极位置获取患者仰卧和坐姿的心电图。使用12导联心电图验证检测LVSD的AI算法，验证心电图听诊器，以确定低EF检测的准确性（≤35%，<40%或<50%）。
在获得患者知情同意后，将心电图听诊器(EkoDUO)置于患者胸部（如图2），仰卧和坐位，每个位置以500Hz记录心电图，持续15秒。将AI算法应用于获得的所有单导联心电图，以确定低EF患者的概率评分（0-1）（定义为<35%、<40%或<50%）。
美国Eko公司研发的Eko DUO智能听诊器，是一款单导联心电图数字听诊器，听诊时可实时播放高保真心音和心电图，并通过AI和云计算检测出心脏杂音和是否存在房颤等问题，同时，医生可以远程接收到所有的信息，实现与病人的远程问诊。从听诊器传出的声音，可以帮助医生判断病人是否有罹患肠梗阻、肺炎、心脏病等风险。
图2
结 果
在100名患者中（年龄61.3±13.8；61%为男性，BMI：30.0±5.4），8名患者EF ≤40%，6名患者为EF 40%~50%（图3）。最佳单次记录在患者仰卧V2位（EF≤35%：曲线下面积 [AUC] 0.88；[95%CI：0.80~0.97]，EF≤40%：0.85 [95%CI：0.75~0.95]；EF<50%：0.81 [ 95%CI：0.71~0.90]）（表1）。
图3
表1
使用AI算法自动选择最佳心电图时，EF≤35%的AUC为0.91 [CI：0.84~0.97]，EF≤40%的AUC为0.89 [CI：0.83~0.96] 和EF < 50%时AUC为0.84 [CI：0.73~0.94] （图4）。
图4
结 论
在这项针对接受超声心动图检查的患者进行的前瞻性研究中，将AI算法应用于标准听诊位置的心电图听诊器记录，能可靠地检测到低EF的存在。在常规体检期间筛查EF可能较低的患者，可能有助于快速检测LVSD。
END
参考文献
Zachi Attia， Jennifer Dugan， Adam Rideout，et al. Automated Detection of Low Ejection Fraction from a One-lead Electrocardiogram: Application of an AI algorithm to an ECG-enabled Digital Stethoscope， European Heart Journal - Digital Health， 2022;， ztac030， https://doi.org/10.1093/ehjdh/ztac030
京公网安备 11010502033353号