《European Heart Journal - Digital Health》：Artificial-intelligence-enabled digital stethoscope improves point-of-care screening for moderate-to-severe valvular heart disease
编辑推荐：
本研究针对传统听诊对瓣膜性心脏病（VHD）检出率低的临床痛点，开发了基于卷积神经网络的人工智能（AI）数字听诊器。在涉及357名高危患者的前瞻性研究中，AI辅助听诊的灵敏度达92.3%（传统听诊为46.2%），特异性为86.9%，可检出12例既往未诊断的中重度VHD。该技术为初级诊疗中的VHD早期筛查提供了高效工具，有望改善患者预后。
在老龄化社会中，瓣膜性心脏病（Valvular Heart Disease, VHD）已成为影响老年人健康的重要隐患。研究显示，65岁以上人群中超过半数存在不同程度的VHD，其中约6.4%发展为中重度病变。这类疾病早期常无症状，但若未及时干预，可能引发心力衰竭、心律失常甚至死亡。然而，传统的心脏听诊作为VHD筛查的主要手段，其灵敏度有限——即使由经验丰富的全科医生操作，对无症状患者的检出率也仅为44%。这一诊断缺口导致大量患者错失早期治疗窗口，加重医疗负担。
为突破传统听诊的局限，一项发表于《European Heart Journal - Digital Health》的研究探索了人工智能（Artificial Intelligence, AI）与数字听诊器结合的应用潜力。该研究团队开发了一套经美国食品药品监督管理局（Food and Drug Administration, FDA）批准的卷积神经网络（Convolutional Neural Network）算法，通过分析数字听诊器采集的心音图（Phonocardiogram, PCG）数据，自动识别与VHD相关的结构性杂音（Structural Murmur）。
研究方法的核心技术
研究于2021年6月至2023年5月纳入357名50岁以上具心血管疾病风险的患者，分别由初级保健医生（Primary Care Providers, PCPs）进行传统听诊（标准诊疗, Standard of Care, SOC），以及由研究协调员使用数字听诊器采集PCG数据供AI分析。以超声心动图（Echocardiography）和专家小组的杂音判读结果作为金标准，对比两种方法的灵敏度（Sensitivity）与特异性（Specificity）。
研究结果
- 1.
AI对可听性杂音的检测效能
针对“可听性VHD”（即超声心动图确认的中重度VHD且杂音可被专家识别），AI辅助听诊的灵敏度达92.3%，显著高于SOC的46.2%（P= 0.01）；特异性为86.9%，低于SOC的95.6%（P< 0.001）。AI成功检出12例既往未诊断的病例，而SOC仅检出6例。
- 2.
AI对超声心动图确认VHD的检测能力
以单纯超声心动图结果为标准时，AI对中重度VHD的检出灵敏度为39.7%，较SOC的13.8%提升近三倍（P= 0.01），特异性为88.6%（SOC为94.7%）。
- 3.
人群特征与泛化性验证
研究人群以高龄（中位年龄70岁）、高血压（81.8%）和高脂血症（70.3%）患者为主，AI在不同亚组中均保持稳定性能，证实其临床适用性。
结论与意义
本研究表明，AI赋能数字听诊器可大幅提升初级诊疗场景下VHD的筛查效率，尤其擅长捕捉传统听诊易遗漏的早期病变。尽管AI辅助听诊的特异性略有降低，可能增加短期转诊需求，但其对无症状患者的早期识别价值更为关键——及时干预可延缓疾病进展，降低长期并发症风险。未来需进一步评估该技术在大规模人群中的成本效益，但其作为床旁筛查工具的应用前景已十分明确。
