2025年3月29日至31日，美国心脏病学会（ACC）年会（ACC.25）在芝加哥举行，会议期间展示的最新研究成果揭示了人工智能（AI）在心血管医学中的创新应用。这些研究不仅展示了AI在提高诊疗效率方面的潜力，还强调了其在扩大医疗服务覆盖范围、改善临床试验参与度以及优化影像学诊断中的重要作用。本文将根据2025年3月31日ACC.25的新闻报道，介绍人工智能（AI）在心血管临床实践中的创新应用。
01
▼
急诊科风险分层：深度学习ECG模型的应用
在急诊科（ED）中，快速准确的风险分层对于冠状动脉血运重建需求的判断至关重要。一项在ACC.25上公布的突破性临床试验介绍了一种基于深度学习的ECG模型，用于急诊科患者的风险分层。
研究团队由Antonius Büscher博士领导，利用美国某中心144 691次急诊就诊数据（中位年龄60岁，53%为女性，0.6%需要血运重建）训练了一个卷积神经网络模型，将患者风险分为低、立即和高三个等级。该模型在35 995次额外就诊数据中进行了测试，并与临床医生的ECG解读和心肌肌钙蛋白T（TnT）检测结果进行了比较。结果显示，该模型的表现优于临床医生，并与TnT检测结果相当。
在对欧洲18,673次急诊就诊数据的外部验证中，该模型在预测血运重建和1型心肌梗死（MI）方面表现优异，接收者操作特征曲线下面积（AUC）达到0.91（95%CI：0.91～0.91）。研究指出，该模型具有更高的特异性但略低的敏感性，表明其能够提供与高灵敏度TnT检测互补的诊断信息。
Büscher博士表示：“这些模型的目标是充分利用现有数据，通过捕捉人类肉眼难以察觉的细微变化来辅助医生的临床推理。尽管我们仍处于这一领域的起步阶段，但未来这些模型有望成为常规诊断工具。”
02
▼
临床试验的参与度往往受到患者招募和保留困难的限制，尤其是在少数族裔和农村社区。一项在ACC.25上公布的临床试验展示了数字健康技术如何帮助克服这些障碍。
Health360x™Registry是一个整合了社会决定因素数据、电子健康记录以及AI和机器学习技术的临床研究平台。该平台针对患者、医生和医疗机构层面的障碍，成功改善了临床试验的招募和保留率。目前，该平台已招募了11 374名参与者（中位年龄68岁，85%为黑人，8%为白人，5%为西班牙裔/拉丁裔，59%为女性），并参与了七项研究（五项由美国国立卫生研究院资助，一项由行业资助，一项为质量改进项目），实现了100%的筛查成功率。
研究团队指出，成功的关键在于“因地制宜”地支持研究站点，并通过测量站点合规性、H360x.ai聊天机器人使用情况和患者满意度来优化流程。未来的工作将重点放在自动化AI和机器学习支持的试验管理上，包括站点启动和培训，以减轻参与实践的负担并提高站点激活和招募效率。
03
▼
影像学中的AI辅助
一项国际多中心前瞻性非劣效性试验评估了AI软件HeartFocus在帮助无超声经验的医师获取诊断级超声心动图的效果。该软件结合了一个用于视图检测的深度学习算法、10个用于实时指导的深度学习算法和两个自动记录算法，指导用户如何放置探头并自动记录结果。
研究包括240名患者（48.8%为女性，70.4%有心脏异常，18.3%植入了心脏装置），由七名专家和八名新手护士进行顺序检查。五名外部专家心脏病学家对480张图像进行了审查。结果显示，新手和专家的检查质量无差异，新手从第一次检查起就能完成高质量的图像采集。研究团队认为，HeartFocus是一种“安全可靠”的技术，可以整合到常规实践中。
另一项研究探讨了AI模型EchoSolv-AS在主动脉瓣狭窄（AS）诊断中的应用。该模型已获得美国食品药品监督管理局（FDA）批准，用于检测200份超声心动图中的AS，并与临床医生的诊断结果进行了比较。
结果显示，AI模型在检测严重AS方面的准确率达到100%，而临床医生的误诊率在6%～54%之间，总体错误率为20.6%。大多数误诊发生在低梯度严重AS中。尽管AI模型表现出完美的准确性，但没有心脏病学家完全接受AI的建议。研究指出，这种不信任可能是未来AI整合到临床实践中的主要障碍。
04
▼
总结
在全球医疗资源分配不均和专业人才短缺的背景下，人工智能技术的介入为解决这一难题提供了全新路径。HeartFocus软件的成功应用不仅验证了AI在辅助新手超声医师完成高质量检查中的潜力，更揭示了技术普惠性对医疗公平性的深远意义。通过深度学习算法的实时指导和标准化操作流程，AI技术打破了传统医疗对经验的高度依赖，为偏远地区和基层医疗机构提供了高质量诊断的可能性。更重要的是，这种技术的普及不仅是对医疗资源的补充，更是对医疗模式的重塑——从经验驱动到数据驱动，从个体化依赖到系统化支持，AI为基层医疗工作者提供了持续学习和成长的工具，推动了医疗质量的均质化。将来，随着AI技术的进一步发展，这种赋能模式有望扩展到更多医疗场景，从超声检查到复杂手术辅助，从基层医疗到全球健康覆盖。人工智能不仅是技术进步的象征，更是医疗公平与精准化的催化剂，为构建一个更具包容性和可持续性的医疗体系提供了无限可能。
参考来源
https://www.acc.org/Latest-in-Cardiology/Articles/2025/03/24/16/30/mon-1pm-ai-combo-acc-2025#resources-for-article.
“医学论坛网”发布医学领域研究成果和解读，供专业人员科研参考，不作为诊疗标准，使用需根据具体情况评估。
编辑：薄荷
二审：梨九
排版：东星
封面图源：Pexels
2025年3月29日至31日，美国心脏病学会（ACC）年会（ACC.25）在芝加哥举行，会议期间展示的最新研究成果揭示了人工智能（AI）在心血管医学中的创新应用。这些研究不仅展示了AI在提高诊疗效率方面的潜力，还强调了其在扩大医疗服务覆盖范围、改善临床试验参与度以及优化影像学诊断中的重要作用。本文将根据2025年3月31日ACC.25的新闻报道，介绍人工智能（AI）在心血管临床实践中的创新应用。
01
▼
急诊科风险分层：深度学习ECG模型的应用
在急诊科（ED）中，快速准确的风险分层对于冠状动脉血运重建需求的判断至关重要。一项在ACC.25上公布的突破性临床试验介绍了一种基于深度学习的ECG模型，用于急诊科患者的风险分层。
研究团队由Antonius Büscher博士领导，利用美国某中心144 691次急诊就诊数据（中位年龄60岁，53%为女性，0.6%需要血运重建）训练了一个卷积神经网络模型，将患者风险分为低、立即和高三个等级。该模型在35 995次额外就诊数据中进行了测试，并与临床医生的ECG解读和心肌肌钙蛋白T（TnT）检测结果进行了比较。结果显示，该模型的表现优于临床医生，并与TnT检测结果相当。
在对欧洲18,673次急诊就诊数据的外部验证中，该模型在预测血运重建和1型心肌梗死（MI）方面表现优异，接收者操作特征曲线下面积（AUC）达到0.91（95%CI：0.91～0.91）。研究指出，该模型具有更高的特异性但略低的敏感性，表明其能够提供与高灵敏度TnT检测互补的诊断信息。
Büscher博士表示：“这些模型的目标是充分利用现有数据，通过捕捉人类肉眼难以察觉的细微变化来辅助医生的临床推理。尽管我们仍处于这一领域的起步阶段，但未来这些模型有望成为常规诊断工具。”
02
▼
临床试验的参与度往往受到患者招募和保留困难的限制，尤其是在少数族裔和农村社区。一项在ACC.25上公布的临床试验展示了数字健康技术如何帮助克服这些障碍。
Health360x™Registry是一个整合了社会决定因素数据、电子健康记录以及AI和机器学习技术的临床研究平台。该平台针对患者、医生和医疗机构层面的障碍，成功改善了临床试验的招募和保留率。目前，该平台已招募了11 374名参与者（中位年龄68岁，85%为黑人，8%为白人，5%为西班牙裔/拉丁裔，59%为女性），并参与了七项研究（五项由美国国立卫生研究院资助，一项由行业资助，一项为质量改进项目），实现了100%的筛查成功率。
研究团队指出，成功的关键在于“因地制宜”地支持研究站点，并通过测量站点合规性、H360x.ai聊天机器人使用情况和患者满意度来优化流程。未来的工作将重点放在自动化AI和机器学习支持的试验管理上，包括站点启动和培训，以减轻参与实践的负担并提高站点激活和招募效率。
03
▼
影像学中的AI辅助
一项国际多中心前瞻性非劣效性试验评估了AI软件HeartFocus在帮助无超声经验的医师获取诊断级超声心动图的效果。该软件结合了一个用于视图检测的深度学习算法、10个用于实时指导的深度学习算法和两个自动记录算法，指导用户如何放置探头并自动记录结果。
研究包括240名患者（48.8%为女性，70.4%有心脏异常，18.3%植入了心脏装置），由七名专家和八名新手护士进行顺序检查。五名外部专家心脏病学家对480张图像进行了审查。结果显示，新手和专家的检查质量无差异，新手从第一次检查起就能完成高质量的图像采集。研究团队认为，HeartFocus是一种“安全可靠”的技术，可以整合到常规实践中。
另一项研究探讨了AI模型EchoSolv-AS在主动脉瓣狭窄（AS）诊断中的应用。该模型已获得美国食品药品监督管理局（FDA）批准，用于检测200份超声心动图中的AS，并与临床医生的诊断结果进行了比较。
结果显示，AI模型在检测严重AS方面的准确率达到100%，而临床医生的误诊率在6%～54%之间，总体错误率为20.6%。大多数误诊发生在低梯度严重AS中。尽管AI模型表现出完美的准确性，但没有心脏病学家完全接受AI的建议。研究指出，这种不信任可能是未来AI整合到临床实践中的主要障碍。
04
▼
总结
在全球医疗资源分配不均和专业人才短缺的背景下，人工智能技术的介入为解决这一难题提供了全新路径。HeartFocus软件的成功应用不仅验证了AI在辅助新手超声医师完成高质量检查中的潜力，更揭示了技术普惠性对医疗公平性的深远意义。通过深度学习算法的实时指导和标准化操作流程，AI技术打破了传统医疗对经验的高度依赖，为偏远地区和基层医疗机构提供了高质量诊断的可能性。更重要的是，这种技术的普及不仅是对医疗资源的补充，更是对医疗模式的重塑——从经验驱动到数据驱动，从个体化依赖到系统化支持，AI为基层医疗工作者提供了持续学习和成长的工具，推动了医疗质量的均质化。将来，随着AI技术的进一步发展，这种赋能模式有望扩展到更多医疗场景，从超声检查到复杂手术辅助，从基层医疗到全球健康覆盖。人工智能不仅是技术进步的象征，更是医疗公平与精准化的催化剂，为构建一个更具包容性和可持续性的医疗体系提供了无限可能。
参考来源
https://www.acc.org/Latest-in-Cardiology/Articles/2025/03/24/16/30/mon-1pm-ai-combo-acc-2025#resources-for-article.
“医学论坛网”发布医学领域研究成果和解读，供专业人员科研参考，不作为诊疗标准，使用需根据具体情况评估。
编辑：薄荷
二审：梨九
排版：东星
封面图源：Pexels
