Mayo Clinic的一項研究顯示，通過AI技術分析心電圖能夠準確篩查出早期無癥狀左心室功能障礙癥，準確性要高于其他常見的篩查手段。與此同時，美國斯坦福大學的一項研究也證實了AI技術在心臟領域的優勢，通過分析監測設備產生的心電數據，能夠診斷出10種不同類型的心律失常病癥，準確性甚至一度超過了心內科醫生的診斷。

　　在正常情況下，血液由左心房流向左心室，左心室負責將含氧血液推入動脈，送往全身各器官，維持人體機能代謝。但當左心室功能出現障礙時，心臟排血量將不足以維持全身代謝的需要?；颊咄ǔ霈F呼吸短促、雙下肢水腫等癥狀。

　　然而，會有3％~6％的人不會出現任何癥狀，他們即患有無癥狀左心室功能障礙癥，這是一種心力衰竭先兆的表現。這種疾病不僅會降低患者的生活質量，還會影響壽命。雖然這種心臟疾病在確診后可以得到有效治療，但目前尚無廉價、無創、無痛的篩查工具供醫生診斷使用。

　　研究發現，測量B型利鈉肽（B-type natriuretic pepTIde，BNP）水平是篩查無癥狀左心室功能障礙的最佳方式，但BNP的結果準確率不高，而且測試時需要抽血。而常見的診斷方法，如超聲心動圖、CT或MRI等，價格昂貴且準確率也不高。

　　相較于以上方式而言，心電圖則是一種更普及、價格更低廉的檢測手段。Mayo Clinic中西部心血管醫學部主席Paul Friedman認為：“用人工智能對心電圖進行數字化處理，能夠提取隱藏的心臟病新信息。這種方式簡單實惠，對于心臟疾病的診斷及治療具有重要意義?！?/p>

　　研究人員認為，通過適當訓練的神經網絡可以在心電圖中精確地檢測出無癥狀左心室功能障礙。研究人員創建一個神經網絡，從診所數據中篩選出62.5萬對匹配的心電圖和超聲心動圖，用其對該神經網絡進行訓練、驗證和測試。

　　結果表明，AI應用于標準心電圖分析的敏感性可達95.6%，特異性達92.4％，而心內科專家診斷的敏感性和特異性分別為86％和85％。因此AI能夠可靠地檢測出無癥狀左心室功能障礙，且準確性優于其他常見的篩查工具。Paul Friedman指出：“這種篩查手段不僅能識別出無癥狀左心室功能障礙，由于AI可以識別出早期細微的心電圖變化，因此AI技術還能預測未來患病的風險。”

　　與此同時，斯坦福大學也嘗試了將心電圖和AI結合，這次他們瞄準的是心律失常的診斷。研究人員從心電監測設備中采集了53萬余名患者的9.1萬多條心電圖數據樣本。通過一種AI算法來檢測和識別10種不同類型的心律失常，還訓練AI算法識別這10種不同類型的心律失常，將正常竇性心律和能增加心律失常發病率的噪音區分開。

　　通過與心內科專家分析的結果進行比較，發現AI具有90％的特異性和敏感性，而心內科專家的特異性和敏感性分別為75％和78％。結果表明深度神經網絡模型診斷心律失常的準確度超過了醫生的準確度。