Artificial Intelligence-Enabled Digital Auscultation and Phonocardiography for Clinically Significant Adult Valvular Heart Disease: A Systematic Review and Meta-Analysis
这项包含近 10,000 名参与者、涉及 13 项研究的系统综述和荟萃分析得出结论，尽管 AI 赋能的数字化听诊在检测主动脉瓣狭窄方面表现出极高的准确性，但其对临床显著性瓣膜性心脏病的整体性能处于中等水平且具有上下文相关性，这使其定位为一种有价值的分诊工具，而非超声心动图的替代品。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你的心脏就像一座繁忙的四室房屋，门会开启和关闭，以确保血液向正确的方向流动。有时，这些门会变得僵硬，无法完全打开（狭窄），或者变得漏水，无法紧闭（反流）。当血液冲过这些门时，会发出一种声音——医生称之为“呼呼声”或“嗖嗖声”，即心脏杂音。几十年来，医生一直利用他们的耳朵和一种叫做听诊器的简单工具来倾听这些声音，希望能捕捉到这些“漏水”或“僵硬”的门，以免它们引发心力衰竭等更大的问题。然而，人类的耳朵是会出错的；它们会疲劳，房间里可能会有噪音，而且并不是所有的漏水门都会发出巨大的响声。近年来，科学家们开始探讨人工智能（AI）是否可以充当一名“超级听众”，利用数字听诊器比人类更出色地聆听心音，从而潜在地作为一个第一道过滤层，来决定谁真正需要进行详细的心脏扫描（超声心动图），而谁不需要。
这篇论文深入探讨了这样一个问题，它就像一名侦探在审查一叠案卷，以观察 AI 是否真的准备好成为成年心脏瓣膜疾病的“守门人”。研究人员不仅观察了 AI 是否能听到声音，他们还想知道 AI 是否能正确识别出“具有临床意义”的瓣膜疾病——即那种确实需要医生改变患者治疗方案或安排扫描的麻烦。他们收集了涉及近 10,000 人的 13 项研究数据，以观察这些 AI 系统与金标准（即实际的心脏超声检查）相比表现如何。
核心结论是，AI 并非解决一切问题的魔杖，但它是一个针对特定任务的非常锋利的工具。在检测主动脉瓣狭窄（心脏左侧的一个僵硬瓣膜）方面，AI 的表现令人印象深刻，它能捕捉到约 90% 的严重病例，并能对约 88% 的健康人群正确判断为“没有问题”。这就像一名非常擅长发现特定类型入侵者的保安。然而，当尝试寻找二尖瓣反流（一个漏水的瓣膜）时，AI 的可靠性要低得多，其表现起伏不定，且因情况而异。
至关重要的是，本文反对将这种 AI 用于取代心脏超声检查，或用于对普通人群进行全面筛查。作者发现，在低风险人群中（例如社区集会上的一群随机人群），AI 会标记过多的健康人群存在问题，从而导致大量不必要且昂贵的心脏扫描。相反，论文建议将 AI 作为一种“分诊层”——即医生在诊所或医院中的智能助手。如果患者已经有症状或可疑的杂音，AI 可以帮助医生做出决定：“是的，这个人确实需要扫描，”或者“不，我们可以再等等。”这并不是要取代医生的判断或超声检查，而是为了让通往正确诊断的路径更快、更高效，尤其是对于 AI 最擅长发现的那种特定类型的瓣膜问题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。