Agreement of artificial intelligence equipped stethoscopes with known echocardiogram results in screening emergency department patients for audible murmurs
本研究表明，在检测急诊科患者的可听心杂音方面，配备人工智能的数字听诊器比盲测的人类评审具有更高的敏感性，尽管两种方法在检测无声性的结构性心脏病方面都存在困难。
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
核心理念：嘈杂房间里的“智能”听诊器
想象一下，急诊科（ED）就像一个繁忙、混乱的机场航站楼。这里嘈杂、拥挤，且充满了干扰。在这种环境下，医生尝试使用传统的听诊器来倾听患者的心跳。这就像是在拥挤的机场里试图听清某一段对话一样困难；因为背景噪音、患者的体型差异或病情严重程度的影响，这变得非常困难。
研究人员想要测试一种新工具：一个配备了人工智能（AI）的数字听诊器附件。你可以把这个设备想象成一个“超级聆听者”。它不仅仅是放大声音，它更像是一个训练有素的侦探，能够过滤掉机场里的噪音，并告诉你：“是的，我听到了杂音，”或者“不，心音很清晰。”
实验过程：与“金标准”的对比
为了验证这个 AI 侦探是否足够出色，研究人员需要一个“金标准”来进行对比。他们使用了超声心动图（心脏的超声图像）。
- 设置： 他们在急诊科找到了 99 名近期做过心脏超声检查的患者。
- 测试： 他们在这些患者身上使用了这款 AI 听诊器。
- 对比： 他们检查了 AI 的“听力”是否与超声波的“视觉”相匹配。他们还让一组人类专家聆听了录音，以观察 AI 与人类耳朵的表现如何。
实验结果：AI 表现如何？
1. AI 对比 超声波（大局观）
在观察所有患者时，AI 能够发现心脏问题，但并不完美。
- 灵敏度（“是否捕捉到问题”的分数）： 对于超声波确认的心脏疾病，AI 捕捉到了 75%。
- 特异度（“是否虚报”的分数）： 当不存在问题时，AI 正确判断为“无问题”的概率为 62%。
- 结论： AI 稍微有点倾向于“安全第一”的检测模式。它能捕捉到大部分问题，但有时会在没有问题的情况下误报（即假警报）。
2. AI 对比 人类耳朵
这里非常有趣。研究人员让专家们聆听了录音。
- 人类的局限性： 人类漏掉了许多心脏问题。许多在超声波中发现的心脏问题，对于人类耳朵来说甚至是听不到的，即使是在有录音的情况下也是如此。人类仅捕捉到了 69% 的真实问题。
- AI 的优势： AI 比人类耳朵更灵敏。它能听到人类听不到的声音。
- “可听性”测试： 当研究人员仅针对那些心脏问题确实大到足以被人耳听到的案例进行观察时，AI 成为了超级明星。它捕捉到了 98% 的这类可听到的问题。
3. “假警报”
为什么 AI 有时会在超声波显示“无异常”时判定为“杂音”？
- AI 的程序设定非常敏感。它有时会将“极轻微”（trace）的瓣膜磨损判定为“轻度疾病”。
- 此外，AI 会分析几乎每一段录音，甚至是嘈杂的录音。然而，人类则比较挑剔；他们会剔除那些噪声太大而无法理解的录音。由于 AI 试图去分析那些人类忽略掉的“混乱”数据，这增加了它出错的机会，从而略微降低了其准确性。
特殊情况：当患者呼吸急促时
研究还观察了三名使用 BiPAP（双水平正压通气机）或带有气管切开术（喉部插管）的患者。这些机器会在胸腔内产生额外的噪音。
- 结果： AI 在这些情况下表现挣扎。这就像是在有人对着你的耳朵吹风扇时，试图听清一个耳语。该设备旨在过滤掉外部噪音（如急诊科的混乱），但它无法轻易过滤掉由患者自身呼吸机产生的内部噪音。
总结
论文得出结论，这种由 AI 驱动的听诊器是急诊科的一个强大工具。
- 它比人类听得更准： 它能检测到人类耳朵会漏掉的心脏杂音，尤其是在嘈杂的环境中。
- 它擅长处理“可听”疾病： 如果心脏问题大到可以被听到，AI 寻找它的准确率几乎是完美的（98% 的准确度）。
- 不足之处： 它仍然会错过一些过于微弱、甚至连人类或机器都难以察觉的轻微心脏问题。
简而言之，AI 就像是一个超灵敏的安全摄像头，它能捕捉到几乎所有的动作，甚至是人类会忽略的细微动作，但它有时也会把影子误认为是人。它是一个非常有用的医生助手，但它并不能取代需要通过超声波来获取最终、确定性答案的需求。
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。