试验证明在常规实践中早期人工智能指导检测心脏病

收缩期低射血分数被定义为心脏无法在每次搏动中强烈收缩以泵出至少50%的血液。超声心动图可以很容易地诊断出射血分数低，但这种耗时的成像测试比12导联心电图需要更多的资源，后者快速、廉价且易于获得。人工智能EKG算法通过卷积神经网络进行测试和开发，并在后续研究中得到验证。

EAGLE试验在明尼苏达州和威斯康星州的45家医疗机构进行，包括农村诊所、社区和学术医疗中心。来自120个医疗护理团队的348名初级保健临床医生被随机分配到常规护理或干预组。通过电子健康记录，干预组被告知射血分数低的筛查结果为阳性，促使他们要求进行超声心动图确认。

梅奥诊所心脏电生理学家Peter Noseworthy医学博士说:“人工智能EKG通过识别以前可能被遗漏的人，促进了在现实世界中对低射血分数患者的诊断。”Noseworthy博士是这项研究的资深作者。

在8个月内，22,641名成年患者在临床医生的护理下进行了心电图检查。人工智能在6%的患者中发现了阳性结果。接受超声心动图的患者比例总体上相似，但在筛查结果为阳性的患者中，接受超声心动图的干预患者比例较高。

“与常规治疗相比，人工智能干预将低射血分数的诊断率提高了32%。在人工智能结果呈阳性的患者中，诊断的相对增加了43%，”梅奥诊所心血管疾病健康结果研究员、该研究的第一作者姚晓西博士说。“从绝对意义上讲，与常规治疗相比，每1000名筛查患者中，人工智能筛查产生了5例低射血分数的新诊断。”

Noseworthy博士说:“有了EAGLE，电子健康记录中的信息就很容易获得，护理团队可以看到结果，并决定如何使用这些信息。”“结论是，随着时间的推移，我们可能会看到更多人工智能应用于医学实践。我们应该弄清楚如何利用这一点，既能改善护理和健康结果，又不会给一线临床医生带来过重负担。”

此外，EAGLE试验使用正偏差法评估前五名护理团队用户和前五名非AI筛查信息用户。姚博士说，这种从医生那里学习和反馈的循环将展示如何在实践中提高人工智能技术的适应性和应用。

EAGLE是首批大规模试验之一，旨在证明人工智能在日常实践中的价值。低射血分数算法已经获得了美国食品和药物管理局的突破性认定，是梅奥开发的几种算法之一，并授权给Anumana公司，这是一家专注于解锁隐藏的生物医学知识，以实现早期发现并加速心脏病治疗的新公司。低射血分数算法之前也被授权给Eko Devices Inc.，专门用于外部应用于胸部的手持设备。

EAGLE试验由梅奥诊所的Robert D.和Patricia E. Kern卫生保健交付科学中心资助，与心血管医学部和家庭医学部以及社区内科学部合作。