近日，基于佛明翰心臟研究（Framingham Heart Study, FHS）等多中心隊(duì)列的大規(guī)模匯總分析在JACC上發(fā)表。該研究由哈佛醫(yī)學(xué)院、麻省總醫(yī)院等團(tuán)隊(duì)主導(dǎo)，利用人工智能（AI）技術(shù)對(duì)標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電圖（ECG）進(jìn)行深度分析，成功實(shí)現(xiàn)了對(duì)心力衰竭（Heart Failure, HF）風(fēng)險(xiǎn)的精準(zhǔn)預(yù)測(cè)。

研究結(jié)果顯示，AI心電圖模型與現(xiàn)有的臨床風(fēng)險(xiǎn)評(píng)分工具相結(jié)合，能顯著提高對(duì)近期心力衰竭發(fā)病風(fēng)險(xiǎn)的識(shí)別能力。被AI模型判定為高風(fēng)險(xiǎn)的個(gè)體，其未來(lái)發(fā)生心力衰竭的風(fēng)險(xiǎn)是低風(fēng)險(xiǎn)人群的10至20倍。這一發(fā)現(xiàn)標(biāo)志著心血管疾病的一級(jí)預(yù)防邁入了“AI+心電圖”的精準(zhǔn)篩查新時(shí)代。

01

傳統(tǒng)篩查的局限與AI的破局

隨著人口老齡化及高血壓、糖尿病、肥胖等代謝性疾病的流行，心力衰竭已成為全球公共衛(wèi)生的重大負(fù)擔(dān)。盡管目前的臨床指南推薦使用如PREVENT-HF等評(píng)分工具來(lái)評(píng)估長(zhǎng)期風(fēng)險(xiǎn)，但這些基于傳統(tǒng)臨床特征的工具往往難以捕捉到心臟早期的細(xì)微結(jié)構(gòu)變化（如亞臨床的心肌功能障礙），尤其是在預(yù)測(cè)短期（1-3年）發(fā)病風(fēng)險(xiǎn)方面存在不足。

為了突破這一瓶頸，研究團(tuán)隊(duì)將目光投向了臨床最常用、最普及的檢查手段——心電圖。雖然醫(yī)生肉眼判讀心電圖能發(fā)現(xiàn)明顯異常，但AI技術(shù)能夠識(shí)別出人類(lèi)肉眼無(wú)法察覺(jué)的細(xì)微波形變化。

02

研究設(shè)計(jì)：三大權(quán)威隊(duì)列強(qiáng)強(qiáng)聯(lián)合

這項(xiàng)名為“HeartShare/AMP-HF匯總隊(duì)列分析”的研究，不僅納入了佛明翰心臟研究（FHS）數(shù)據(jù)，還匯集了多民族動(dòng)脈粥樣硬化研究（MESA）和心血管健康研究（CHS）的數(shù)據(jù)。

研究團(tuán)隊(duì)最終篩選了14,126名基線無(wú)心血管疾病的參與者，通過(guò)AI算法對(duì)他們的基線心電圖進(jìn)行分析。這些AI算法專(zhuān)門(mén)被訓(xùn)練用于檢測(cè)心臟的收縮功能障礙（低射血分?jǐn)?shù)，ECG-AI LEF）和舒張功能障礙（ECG-AI DD）。

研究的核心目標(biāo)是評(píng)估這些AI模型是否能在PREVENT-HF臨床評(píng)分的基礎(chǔ)上，進(jìn)一步提升對(duì)新發(fā)心力衰竭的預(yù)測(cè)價(jià)值。

03

核心發(fā)現(xiàn)：風(fēng)險(xiǎn)飆升20倍與“隱形”患者的發(fā)現(xiàn)

在長(zhǎng)達(dá)中位數(shù)14.7年的隨訪期間，共有955名參與者發(fā)生了心力衰竭。數(shù)據(jù)分析揭示了令人震驚的風(fēng)險(xiǎn)差異：

1. 極高的風(fēng)險(xiǎn)辨識(shí)度：無(wú)論是在1年、3年、5年還是10年的時(shí)間跨度內(nèi)，AI模型篩選出的陽(yáng)性（高風(fēng)險(xiǎn)）人群，其心衰發(fā)病率均顯著高于陰性人群。具體而言，基線時(shí)被AI判定為陽(yáng)性的參與者，其3年內(nèi)發(fā)生心衰的風(fēng)險(xiǎn)是陰性者的20倍以上，10年內(nèi)的風(fēng)險(xiǎn)也高達(dá)10倍。

2. 近期預(yù)測(cè)能力卓越：相比于傳統(tǒng)的PREVENT-HF評(píng)分，AI心電圖模型在預(yù)測(cè)近期（1至5年）心衰風(fēng)險(xiǎn)方面表現(xiàn)尤為出色。

3. 舒張功能的關(guān)鍵角色：研究特別指出，針對(duì)舒張功能障礙訓(xùn)練的AI模型（ECG-AI DD），在預(yù)測(cè)心衰風(fēng)險(xiǎn)方面的表現(xiàn)甚至優(yōu)于針對(duì)低射血分?jǐn)?shù)的模型。這提示了亞臨床的舒張功能異?？赡苁俏磥?lái)發(fā)生心衰的重要早期信號(hào)。

4. 1+1＞2的效應(yīng)：當(dāng)將AI心電圖結(jié)果加入到PREVENT-HF評(píng)分中時(shí)，模型的整體預(yù)測(cè)性能（C統(tǒng)計(jì)量）和風(fēng)險(xiǎn)重分類(lèi)能力（NRI）均得到顯著提升。這意味著，AI幫助醫(yī)生找出了那些原本被傳統(tǒng)評(píng)分誤判為“低風(fēng)險(xiǎn)”但實(shí)際上處于危險(xiǎn)邊緣的“隱形”患者。

04

邁向精準(zhǔn)預(yù)防的重要一步

研究團(tuán)隊(duì)認(rèn)為，AI心電圖的主要優(yōu)勢(shì)在于其可擴(kuò)展性。心電圖是一種廉價(jià)、無(wú)創(chuàng)且廣泛普及的檢查。如果能將這一AI工具整合到常規(guī)臨床工作流中，醫(yī)生就能在患者尚未出現(xiàn)明顯癥狀時(shí)，通過(guò)一張簡(jiǎn)單的心電圖識(shí)別出高危人群。

如果能通過(guò)AI心電圖早期鎖定高危人群，醫(yī)生就可以更早地啟動(dòng)強(qiáng)化生活方式干預(yù)、血壓控制以及針對(duì)性的藥物治療。這種“有的放矢”的策略，有望在癥狀出現(xiàn)之前就遏制疾病的進(jìn)展，從而大幅降低心力衰竭的發(fā)生率和死亡率。

結(jié)語(yǔ)

佛明翰心臟研究作為心血管流行病學(xué)的基石，曾為人類(lèi)揭示了吸煙、高血壓、高膽固醇與心臟病的關(guān)聯(lián)。如今，結(jié)合了現(xiàn)代人工智能技術(shù)的佛明翰研究再次煥發(fā)新生，為全球心血管健康貢獻(xiàn)了高質(zhì)量的循證醫(yī)學(xué)證據(jù)。

【參考文獻(xiàn)】
Desai AS, et al. Predicting Heart Failure From 12-Lead ECGs Using AI: A HeartShare/AMP-HF Pooled Cohort Analysis. J Am Coll Cardiol. 2025.