Mayo Clinic的一项研究显示，通过AI技术分析心电图能够准确筛查出早期无症状左心室功能障碍症，准确性要高于其他常见的筛查手段。与此同时，美国斯坦福大学的一项研究也证实了AI技术在心脏领域的优势，通过分析监测设备产生的心电数据，能够诊断出10种不同类型的心律失常病症，准确性甚至一度超过了心内科医生的诊断。

　　在正常情况下，血液由左心房流向左心室，左心室负责将含氧血液推入动脉，送往全身各器官，维持人体机能代谢。但当左心室功能出现障碍时，心脏排血量将不足以维持全身代谢的需要。患者通常会出现呼吸短促、双下肢水肿等症状。

　　然而，会有3％~6％的人不会出现任何症状，他们即患有无症状左心室功能障碍症，这是一种心力衰竭先兆的表现。这种疾病不仅会降低患者的生活质量，还会影响寿命。虽然这种心脏疾病在确诊后可以得到有效治疗，但目前尚无廉价、无创、无痛的筛查工具供医生诊断使用。

　　研究发现，测量B型利钠肽（B-type natriuretic pepTIde，BNP）水平是筛查无症状左心室功能障碍的最佳方式，但BNP的结果准确率不高，而且测试时需要抽血。而常见的诊断方法，如超声心动图、CT或MRI等，价格昂贵且准确率也不高。

　　相较于以上方式而言，心电图则是一种更普及、价格更低廉的检测手段。Mayo Clinic中西部心血管医学部主席Paul Friedman认为：“用人工智能对心电图进行数字化处理，能够提取隐藏的心脏病新信息。这种方式简单实惠，对于心脏疾病的诊断及治疗具有重要意义。”

　　研究人员认为，通过适当训练的神经网络可以在心电图中精确地检测出无症状左心室功能障碍。研究人员创建一个神经网络，从诊所数据中筛选出62.5万对匹配的心电图和超声心动图，用其对该神经网络进行训练、验证和测试。

　　结果表明，AI应用于标准心电图分析的敏感性可达95.6%，特异性达92.4％，而心内科专家诊断的敏感性和特异性分别为86％和85％。因此AI能够可靠地检测出无症状左心室功能障碍，且准确性优于其他常见的筛查工具。Paul Friedman指出：“这种筛查手段不仅能识别出无症状左心室功能障碍，由于AI可以识别出早期细微的心电图变化，因此AI技术还能预测未来患病的风险。”

　　与此同时，斯坦福大学也尝试了将心电图和AI结合，这次他们瞄准的是心律失常的诊断。研究人员从心电监测设备中采集了53万余名患者的9.1万多条心电图数据样本。通过一种AI算法来检测和识别10种不同类型的心律失常，还训练AI算法识别这10种不同类型的心律失常，将正常窦性心律和能增加心律失常发病率的噪音区分开。

　　通过与心内科专家分析的结果进行比较，发现AI具有90％的特异性和敏感性，而心内科专家的特异性和敏感性分别为75％和78％。结果表明深度神经网络模型诊断心律失常的准确度超过了医生的准确度。