某些類型的心臟疾病可能很難發現，例如無癥狀的低射血分數，特別是在治療最有效的早期階段。心電圖AI引導下的低射血分數篩查(EAGLE)試驗旨在確定利用心電圖數據開發的人工智能(AI)篩查工具是否能改善常規實踐中這種病癥的診斷。根據發表在《自然—醫學》上的研究結果，答案是肯定的。

收縮期低射血分數定義為心臟無法在每次跳動時足夠強烈地收縮，以從其腔室中抽出至少50%的血液。超聲心動圖可用于診斷低射血分數，但這種費時的影像學檢查與12導聯心電圖相比需要更多資源，后者是一種快速、便宜且隨時可用的檢查方法。AI支持的心電圖算法通過卷積神經網絡測試和開發，并在后續研究中得到驗證。

EAGLE試驗在明尼蘇達州和威斯康星州的45家醫療機構進行，包括鄉村診所、社區和學術醫學中心。來自120個醫療小組的共計348名初級保健臨床醫生被隨機分配到常規護理組或干預組。干預組由電子病歷提示低射血分數篩查陽性結果，促使他們要求進行超聲心動圖檢查以確認。

“AI支持的心電圖檢查可以識別先前可能會漏診的患者，幫助在現實中診斷低射血分數患者。”美國妙佑醫療國際(Mayo Clinic) 心臟電生理專家Peter Noseworthy（醫學博士）說道。Noseworthy博士是該研究的資深作者。

在8個月內，22641名成人患者在試驗中的臨床醫生護理下接受了心電圖檢查。AI在6%的患者中發現了陽性結果。接受超聲心動圖檢查的患者比例總體相似，但在篩查結果為陽性的患者中，接受超聲心動圖檢查的干預患者比例更高。

“相比常規護理，AI干預使低射血分數的診斷率總體提高了32%。在陽性AI結果的患者中，診斷率相對提高43%”，妙佑醫療國際心血管疾病健康結果研究員兼該研究的第一作者Xiaoxi Yao博士說，“從絕對意義上講，每篩查1000名患者，AI篩查比常規護理多產生5例低射血分數新診斷”。

“有了EAGLE，隨時可在電子病歷獲取這些信息，護理團隊可以看到結果并決定如何使用這些信息，”Noseworthy博士說：“重點是，隨著時間的推移，我們可能會看到AI在醫學實踐中的更多應用。這取決于我們如何使用它，我們需要找到一種改善護理和健康結果但不會給一線臨床醫生帶來過重負擔的方式”。

另外，EAGLE試驗使用了一種正偏差法來評估了AI篩查信息的前五名護理團隊用戶和前五名非用戶。Yao博士表示，這種學習和醫生反饋的循環將展示出如何在實踐中改進AI技術的適應性和應用。

EAGLE是證明AI在常規實踐中的價值的最早大規模試驗之一。這種低射血分數算法已獲得美國食品藥品監督管理局的突破性認證，是由妙佑國際開發的幾種算法之一并已授權給Anumana Inc.。Anumana Inc.是一家專注于解鎖隱藏的生物醫學知識的新公司，，旨在實現早期發現和加快心臟疾病的治療。低射血分數算法先前也已授權給Eko Devices Inc.，專門用于胸部外用手持式設備。

EAGLE試驗得到了妙佑醫療國際Robert D. and Patricia E. Kern Center for the Science of Health Care Delivery的資助，并與心血管醫學和家庭醫學(Cardiovascular Medicine and Family Medicine)部門和社區內醫學部(Division of Community Internal Medicine)合作開展。