本研究屬于非隨機干預(yù)試驗。研究者前瞻性地招募了具有卒中危險因素但無心房顫動的患者。他們在日常診療中進行了心電圖 (ECG)檢查。參與者佩戴連續(xù)動態(tài)心律監(jiān)測器長達30天,數(shù)據(jù)通過網(wǎng)絡(luò)連接近乎實時地傳輸數(shù)據(jù)。人工智能算法應(yīng)用于心電圖,將患者分為高風險或低風險組。
主要終點是新診斷的心房顫動。在次要分析中,試驗參與者與來自符合條件但未入組試驗的人群進行傾向評分匹配 (1:1),作為真實世界的對照。
研究結(jié)果發(fā)現(xiàn):來自美國40個州的1003名平均年齡為74歲 (SD 8.8) 的患者完成了這項研究。在平均22.3天的連續(xù)監(jiān)測中,370名低風險患者中的6名 (1.6%) 和633名高風險患者中的48名 (7.6%) 檢測到心房顫動(優(yōu)勢比 4.98, 95 % CI 2.11–11.75, p=0.0002)。
與常規(guī)診療相比,AI引導的篩查增加了房顫檢出率(高危組:常規(guī)診療的3.6% [95% CI 2.3–5.4] vs AI指導的篩查組 10.6% [8.3–13.2],p<0.0001;低風險組:0.9% vs 2.4%,p=0.12),中位隨訪時間為9.9個月(IQR 7.1–11.0)。
毅訊點評
人工智能的診斷無疑可以幫助醫(yī)生進行臨床決策和患者管理。但目前很多研究還停留在臨床研究層面,在真實世界應(yīng)用人工智能還存在決策風險、醫(yī)保支付等許多現(xiàn)實問題。
這些不但需要醫(yī)生、工程師進一步努力提高AI的診斷成功率,特別是減少誤診率和漏診率,也需要健康管理者的共同參與與推進。