哥大研發 EchoNext：普通心電圖查出隱性心臟病，準確率達 77%

腸癌有腸鏡，乳腺癌有鉬靶，但全球每年影響數千萬人的結構性心臟病，卻一直找不到低成本的大規模篩查辦法。

醫學生在課堂上學到的第一條規矩往往是：普通的常規心電圖（ECG）只能看心律失常或心肌梗塞，根本看不出心臟結構有沒有出毛病。要確診瓣膜病、心肌病或肺動脈高壓，病人必須去做昂貴的心臟超聲。

但這套維持了幾十年的醫學常識，現在被哥倫比亞大學和 NewYork-Presbyterian 醫院的研究團隊打破了。他們在《Nature》上發表了一項名為 EchoNext 的深度學習系統，直接讓廉價的心電圖看懂了原本看不出的隱疾。

77% 對 64%：AI 贏了人類心臟專家

結構性心臟病往往藏得很深，很多人直到心衰、瓣膜嚴重變形甚至危及生命時才被發現。核心原因在於，醫療系統不可能給每個人都開一張幾百上千美元的心臟超聲單子。

EchoNext 的切入點很巧妙：用最便宜的檢查，找出最該去做昂貴檢查的人。研究團隊找來 23 萬名患者的超過 120 萬份「心電圖-心臟超聲」配對資料，硬是訓練模型在那些密密麻麻的心電波形裡，捕捉心臟結構變形引起的微弱電訊號變化。

在涉及 4 家醫院系統、3200 份心電圖的盲測中，EchoNext 和 13 位心臟科專家同臺打擂。面對同樣的圖紙，人類醫生的診斷準確率只有 64%，而 EchoNext 達到了 77%。即便醫生使用現有的 AI 輔助工具，依然沒能超過它。

真實世界跟蹤：讓 2000 名漏診患者浮出水面

實驗室裡的跑分是一回事，真實門診又是另一回事。研究團隊隨後在近 85000 名做過心電圖但從沒做過心超的真實患者身上悄悄跑了一遍 EchoNext。當時接診的醫生完全不知情，AI 也不干預任何治療決策。

系統在這批人裡圈出了 9%（7500 多人）的高危群體。在接下來一年的常規隨訪中，高危組裡有 55% 的人後來因其他指徵做了人生第一次心臟超聲。

結果讓人驚訝：做檢查的這部分高危人群裡，近四分之三當場確診了結構性心臟病。這一陽性檢出率，是平時沒有 AI 輔助篩查時的整整兩倍。

研究團隊推算，如果這 7500 多名被標記為高危的患者全都在第一時間做了心臟超聲，很可能會提前揪出約 2000 名此前根本沒被發現的嚴重心臟病患者。

目前，該團隊已經公開了去標識化的研究資料集，並在 8 家急診室鋪開了前瞻性臨床試驗。

為什麼重要

我們認為，EchoNext 最精彩的地方不在於堆算力，而在於它精準地給現代醫療系統的「價效比盲區」打了補丁。

全球每年要開出大約 4 億份常規心電圖，不管是體檢、術前排查還是感冒胸悶，心電圖便宜、無創、隨處可測。EchoNext 實際上是把這 4 億次原本日常的被動檢查，變成了一個幾乎零邊際成本的早篩漏斗。對普通人來說，你並不需要專門多花錢去預約昂貴的心超，只要做一次幾十塊錢的常規心電圖，就有可能提前數年擋住心衰。

對整個行業而言，這項成果給醫療 AI 提供了一個教科書般的落地樣本。很多 AI 工具試圖在核磁共振或高階 CT 上追求極致準確率，但那種高階檢查本來就已經有專家重點把關。反倒是向下相容、升級基礎檢查的槓桿效應最大。

不過挑戰依然現實。把 9% 的心電圖患者標為高危，意味著下游的心臟超聲科室會迎來大量轉診。在醫療資源本就吃緊的基層醫院，能不能接得住這批暴增的複查需求，將是決定這項技術能不能真正救命的關鍵門檻。