AI听诊器在英国心血管疾病早期检测中的应用
摘要
背景：心血管疾病的早期检测是全球公共卫生的重点。人工智能（AI）赋能的听诊器在心力衰竭、房颤和瓣膜性心脏病的床旁检测中表现出色。本研究通过一项实用的、集群随机对照实施试验，评估了AI听诊器在实际应用中的效果及实施挑战。方法：英国初级保健机构被随机分为干预组（接受AI听诊器使用培训并在常规护理中实施）和对照组（常规护理）。AI听诊器记录15秒的心电图和心音信号，并通过三个AI算法返回二元预测结果。主要终点是心力衰竭的新诊断率，次要终点包括房颤和瓣膜性心脏病的检测率、AI听诊器的性能特征、使用率以及临床医生报告的实施障碍和促进因素。结果：在2023年10月30日至2024年5月22日期间，205个诊所被随机分配到干预组（96个诊所，701,933名注册患者）和对照组（109个诊所，851,242名注册患者）。干预组共记录了12,725次患者检查，涉及972名临床用户。意向治疗分析显示，两组之间的心力衰竭检测率无显著差异（IRR 0.94 [95% CI 0.86-1.02]），社区或医院诊断也无显著差异（p>0.05）。结论：在常规初级保健中实施AI听诊器并未显著增加心力衰竭的检测率或社区诊断率。然而，AI听诊器的使用与心力衰竭、房颤和瓣膜性心脏病的更高检测率独立相关。
信息来源： PubMed Ophthalmology 发布于 2026年2月14日
要点速览
- AI听诊器在实验室环境中表现出色，但在实际应用中并未显著提高心力衰竭的检测率。
- 研究涉及205个初级保健诊所，干预组记录了12,725次患者检查。
- AI听诊器的使用与心力衰竭、房颤和瓣膜性心脏病的更高检测率独立相关。
本站解读
这项研究揭示了AI技术在心血管疾病早期检测中的潜力及其在实际应用中的局限性。尽管AI听诊器在实验室环境中表现出色，但在真实世界中的大规模应用并未显著提高心力衰竭的检测率。这表明，尽管AI技术在理论上具有巨大优势，但其实际效果仍受多种因素影响，如临床医生的接受度、设备的易用性以及患者的依从性。
从行业趋势来看，这一结果可能预示着AI医疗设备在眼科领域的应用也将面临类似的挑战。目前，国内外多家企业正在积极研发基于AI的眼科诊断工具，如眼底图像分析系统和青光眼筛查设备。这些工具在实验室测试中同样表现出色，但能否在实际临床环境中取得预期效果仍有待观察。
此外，该研究还强调了实施过程中的关键障碍，如临床医生的培训和支持。对于眼科领域而言，这意味着未来在推广AI诊断工具时，需要更加注重用户体验和培训支持，以确保技术能够顺利落地并发挥其应有的作用。同时，随着技术的不断进步，未来可能会出现更多集成化的AI解决方案，涵盖从初步筛查到精确诊断的全过程，从而进一步提升诊疗效率和准确性。
常见问题
这个研究对普通患者有什么意义？
这项研究表明，尽管AI听诊器在实验室环境中表现出色，但在实际应用中并未显著提高心力衰竭的检测率。这意味着患者在日常就诊时，AI听诊器可能不会带来显著的诊断改善。如有疑虑可咨询眼科医生。
这项研究对未来AI医疗设备的发展有何启示？
这项研究提示，尽管AI技术在理论上具有巨大优势，但其实际效果仍受多种因素影响，如临床医生的接受度、设备的易用性以及患者的依从性。未来在推广AI诊断工具时，需要更加注重用户体验和培训支持。
延伸阅读
视网膜生物标志物在心血管疾病预测中的应用
心血管疾病（CVDs）是全球死亡的主要原因，先天性心脏病（CHD）、获得性心脏病（AHD）、瓣膜病和心肌病显著增加了发病率。视网膜眼底成像作为一种非侵入性技术，能够捕捉微血管变化，作为系统性心血管功能障碍的生物标志物。本研究系统回顾了2015年至2025年间发表的相关文献，评估了不同疾病焦点、成像模式、分析方法及诊断性能。结果表明，深度学习和机器学习模型应用于视网膜眼底图像，在检测和分类CVDs方面表现出较高的准确性。卷积神经网络在CHD检测中达到了91%的AUC值，而混合多模态方法提高了AHD和瓣膜病的预测敏感性。心肌病与血管扭曲和微出血相关，可通过自动化图像分析量化。新兴方法如基于Transformer的模型和Segment Anything Model (SAM) 的医疗影像适应，有望提高通用性和可解释性。尽管存在数据集不平衡、纵向验证有限和AI模型黑箱问题，视网膜成像仍具有作为可扩展、非侵入性工具的巨大潜力。
AI视网膜成像技术助力糖尿病大血管并发症早期检测
研究开发了一种基于人工智能的视网膜成像筛查框架，用于早期检测糖尿病患者的大血管并发症。该系统通过分析视网膜微血管特征，实现了高精度的诊断性能，为非侵入性、低成本和可扩展的血管评估提供了新途径。
智驾算法公司集体闯关港股：窗口期倒计时与眼科AI的镜像危机
本分析并非眼科临床研究，而是对当前智能驾驶算法企业密集冲刺港股IPO现象所作的眼科行业映射式深度解构。在技术范式从模块化走向端到端大模型统一架构的背景下，自动驾驶已丧失代际性技术溢价能力，估值逻辑正从‘算法先进性’转向‘物理世界智能入口’的叙事重构。Momenta、元戎启行与轻舟智航虽客户覆盖广、量产节奏快，但其技术护城河正被算力军备竞赛与主机厂自研能力反超所稀释；而资本市场对垂直AI的热情明显让位于通用大模型与具身智能。这一结构性迁移，与眼科AI辅助诊断系统近年遭遇的商业化瓶颈高度同频——当OCT影像分析准确率突破95%后，临床落地仍卡在医保支付、医生工作流嵌入与责任界定三大断点。真正的分水岭不在算法精度，而在能否将技术锚定于可计量、可报销、可追责的临床价值闭环。