AI 将心电图转换为心脏运动图，促进心脏病的早期检测
快速阅读: 《AZoAI》消息，科学家开发了一种AI技术，可通过基础心电图重建心脏运动，实现低成本、非侵入性的心脏病早期诊断，有望减少昂贵成像需求并改善结果。这项技术能更早检测心脏问题，并已在多项测试中展现高准确性。
新泽西州立罗格斯大学
2025年4月14日
通过使用生成式人工智能从基础心电图（ECG）重建心脏运动，科学家们或许已经找到了一条低成本、非侵入性的早期心脏病诊断路径——这可能大幅减少对昂贵成像的需求，同时改善结果。
**研究：**
从表面心电图合成生成心肌运动
图片来源：tnkorn yangaun / Shutterstock
罗格斯健康和RWJBarnabas健康的研究人员开发了一种人工智能（AI）技术，该技术可以将基础心电图（ECG）读取的电信号转化为通常通过超声心动图获得的复杂的心脏运动信号，这可能有助于改进心脏病的检测和监测方式。
“心电图的成本非常低，”资深研究作者帕尔索·森古普塔（Partho Sengupta）说道，他是罗格斯罗伯特·伍德·约翰逊医学院的心脏病学教授兼心血管科主任，同时也是罗格斯罗伯特·伍德·约翰逊大学医院（RWJBarnabas Health机构）的心脏病科主任。“它甚至出现在苹果手表中，所以数百万人一直在使用它。超声心动图的价格大约是心电图的5到10倍，因为它需要专家长时间用超声波设备在患者胸部移动。”
这项专利申请中的技术利用生成式人工智能，根据心电图的电信号评估心跳期间心肌的速度。然后，它将这些信号转换为速度波形，看起来与常规超声心动图中通过多普勒超声成像测量的波形完全相同。这类信号能让医生观察心脏在跳动时泵血和放松的情况。
这一创新填补了医疗保健领域的一个重要空白：找到一种方法，以廉价且广泛可用的工具如心电图来早期检测心脏功能障碍，并将合适的患者转诊给专科医生进行更昂贵的成像测试。
研究人员使用生成对抗网络（GANs）训练了AI模型，这些模型可以从电信号中生成合成的心脏运动波形。在美国和加拿大的多个临床场所进行的严格测试中，该技术在检测舒张功能障碍（心脏放松问题）和收缩功能障碍（心脏收缩问题）方面表现出极高的准确性。
这种方法可以比传统方法更早地检测出心脏问题。
“当高血压、糖尿病或冠状动脉疾病等风险因素开始损害心肌时，常规心电图可检测到的变化出现得非常晚，”森古普塔说。“合成TDI能够在射血分数下降之前很久就检测到心脏功能的细微纵向变化。新颖之处不仅在于依赖射血分数的变化，还在于心肌运动的更细微变化。”
这种方法可以比传统方法更早地检测出心脏问题。
在开发系统后，研究团队采取了几个步骤来验证从心电图数据中生成的心脏运动波形。当经过认证的超声心动图医师尝试时，他们无法区分真实和AI生成的波形。合成测量值产生的波形也随着患者的生理参数和临床指标（如年龄和血压）变化，就像实际测量一样。
最重要的是，合成TDI预测了结果。
“我们在南美洲发现了一组大量患者，拥有他们的ECG数据并随访至死亡，”森古普塔说。“我们的AI能够利用他们的ECG数据，在生存分析中提前很长时间预测死亡，而标准心电图分析尚未显示问题。”
除了更早地检测更多的心脏病外，这项创新还能避免不必要的医疗检查。分析显示，合成TDI技术可以将用于检测左心室收缩功能障碍的超声心动图数量减少64.3%，将用于检测舒张功能障碍的数量减少69.9%，同时分别遗漏1.4%和6.5%的病例。
这项技术的临床用途不仅局限于筛查。它还可以改善接受心脏毒性治疗的癌症患者或者服用影响肌肉功能新药的肥厚型心肌病患者的监测。
“为什么我们要等到症状出现才行动，当疾病早在更早的时候就开始了吗？”森古普塔问道。“我们能否为心脏病设计类似结肠镜检查那样的检测手段？”
这项技术来自由国家科学基金会数字健康桥梁计划资助的跨学科团队，将医生和工程师聚集在一起。
“我们是从头开始研发所有内容，而非采用商用AI，”森古普塔说。
展望未来，森古普塔构想出这样一幅前景：未来的患者“数字孪生”心脏可用于虚拟测试治疗方案。医生会在为真实患者制定治疗方案前，先在数字孪生上测试治疗效果。
“这几乎就像当你登陆火星时，NASA会创建模拟来查看什么可行，什么不可行，然后再决定在物理现实中实施，”森古普塔说。“这就是我们在心脏病学领域的发展方向。我们想要一个项目计划，一个蓝图，展示哪种疗法最有可能奏效。”
**来源：**
罗格斯大学，新泽西州立大学
**期刊参考：**
Radhakrishnan, A., Yanamala, N., Jamthikar, A., Wang, Y., East, S., Hamirani, Y., Maganti, K., & Sengupta, P. P. (2025). 从表面心电图合成生成心肌运动。《自然心血管研究》，4(4)，445-457。DOI: 10.1038/s44161-025-00629-x
https://www.nature.com/articles/s44161-025-00629-x
(以上内容均由Ai生成)
