佛明翰研究为心衰一级预防提供新路径：AI读图识心，高危人群心衰风险飙升20倍！|佛明翰|心力衰竭|心电图|心脏衰竭|心血管疾病|心衰

近日，基于佛明翰心脏研究（Framingham Heart Study, FHS）等多中心队列的大规模汇总分析在JACC上发表。该研究由哈佛医学院、麻省总医院等团队主导，利用人工智能（AI）技术对标准12导联心电图（ECG）进行深度分析，成功实现了对心力衰竭（Heart Failure, HF）风险的精准预测。

研究结果显示，AI心电图模型与现有的临床风险评分工具相结合，能显著提高对近期心力衰竭发病风险的识别能力。被AI模型判定为高风险的个体，其未来发生心力衰竭的风险是低风险人群的10至20倍。这一发现标志着心血管疾病的一级预防迈入了“AI+心电图”的精准筛查新时代。

传统筛查的局限与AI的破局

随着人口老龄化及高血压、糖尿病、肥胖等代谢性疾病的流行，心力衰竭已成为全球公共卫生的重大负担。尽管目前的临床指南推荐使用如PREVENT-HF等评分工具来评估长期风险，但这些基于传统临床特征的工具往往难以捕捉到心脏早期的细微结构变化（如亚临床的心肌功能障碍），尤其是在预测短期（1-3年）发病风险方面存在不足。

为了突破这一瓶颈，研究团队将目光投向了临床最常用、最普及的检查手段——心电图。虽然医生肉眼判读心电图能发现明显异常，但AI技术能够识别出人类肉眼无法察觉的细微波形变化。

研究设计：三大权威队列强强联合

这项名为“HeartShare/AMP-HF汇总队列分析”的研究，不仅纳入了佛明翰心脏研究（FHS）数据，还汇集了多民族动脉粥样硬化研究（MESA）和心血管健康研究（CHS）的数据。

研究团队最终筛选了14,126名基线无心血管疾病的参与者，通过AI算法对他们的基线心电图进行分析。这些AI算法专门被训练用于检测心脏的收缩功能障碍（低射血分数，ECG-AI LEF）和舒张功能障碍（ECG-AI DD）。

研究的核心目标是评估这些AI模型是否能在PREVENT-HF临床评分的基础上，进一步提升对新发心力衰竭的预测价值。

核心发现：风险飙升20倍与“隐形”患者的发现

在长达中位数14.7年的随访期间，共有955名参与者发生了心力衰竭。数据分析揭示了令人震惊的风险差异：

极高的风险辨识度：无论是在1年、3年、5年还是10年的时间跨度内，AI模型筛选出的阳性（高风险）人群，其心衰发病率均显著高于阴性人群。具体而言，基线时被AI判定为阳性的参与者，其3年内发生心衰的风险是阴性者的20倍以上，10年内的风险也高达10倍。
近期预测能力卓越：相比于传统的PREVENT-HF评分，AI心电图模型在预测近期（1至5年）心衰风险方面表现尤为出色。
舒张功能的关键角色：研究特别指出，针对舒张功能障碍训练的AI模型（ECG-AI DD），在预测心衰风险方面的表现甚至优于针对低射血分数的模型。这提示了亚临床的舒张功能异常可能是未来发生心衰的重要早期信号。
1+1＞2的效应：当将AI心电图结果加入到PREVENT-HF评分中时，模型的整体预测性能（C统计量）和风险重分类能力（NRI）均得到显著提升。这意味着，AI帮助医生找出了那些原本被传统评分误判为“低风险”但实际上处于危险边缘的“隐形”患者。