心电图正常，AI 却说心脏有问题：它看到了什么|心律失常|心电图|心肌|心脏|房颤|窦性

【IMG1】

体检报告上那张心电图，医生签的是"窦性心律，大致正常"。同一张图交给 AI，它给出的结论是"未来出现心力衰竭的可能性偏高"，或者"这个人可能有房颤，只是此刻没发作"。很多人第一反应是，机器是不是在吓人。这两个结论其实可以同时成立，因为人和机器看的不是同一层东西。

心电图上的"正常"是怎么定出来的

医生判读心电图，看的是一组规则：心率在 60 到 100 之间，P 波、QRS 波、T 波的形态和时长在参考范围内，各个间期不长不短，没有 ST 段抬高或压低。每一项都在范围内，报告就写"正常"。

这套规则是一百年来从大量病人身上总结出来的，对识别急性心肌梗死、传导阻滞、心律失常这些"已经发生"的问题很可靠。但它有一个天然的盲区：每一项单独看都在范围内，不代表这些项的组合也正常。一个人的 QRS 波比自己五年前宽了 8 毫秒、T 波的斜率变了一点点、几个导联之间的电压比例挪了一些，每一处都够不上任何一条"异常"的标准，可它们合在一起，可能就是心肌已经开始变形的痕迹。人眼在十秒钟的图纸上抓不住这种组合，卷积神经网络抓的正是这个。

第一条因果链：心肌泵血变差，电信号会先变

心力衰竭里最常见的一类，是左心室收缩力下降，用射血分数（EF）衡量。正常 EF 在 55% 以上，降到 35% 以下就是明确的收缩功能不全。麻烦在于，EF 已经掉到 35% 的人，有相当一部分没有症状，或者症状被当成"年纪大了""最近累"。要确诊得做超声心动图，而没人会给一个"没症状"的人常规安排超声。

心肌收缩力下降的过程不是安静的。心室壁在压力和容量负荷下会扩张、变薄或代偿性增厚，心肌细胞之间长出纤维组织，电信号在这样的心肌里传导速度会变、方向会偏、去极化和复极化的时序会错开。这些改变会投射到体表电极上，只是幅度太小、分布太散，够不上人定的任何一条异常标准。

梅奥诊所的团队在 2019 年做的事，是把 44,959 个病人的 12 导联心电图和同期做的超声心动图配成对，让神经网络自己去找"EF 小于等于 35% 的人，心电图上有什么共同点"。在另外 52,870 人的独立测试集里，这个网络识别低 EF 的 AUC 是 0.93，敏感度 86.3%，特异度 85.7%。

还有那批 AI 说有、超声说没有的人。按当时的标准，这些属于假阳性。研究者追踪了他们，结果是：这些人日后出现左心室功能不全的风险，是 AI 阴性者的 4.1 倍。也就是说，一部分所谓的假阳性，是超声还没来得及看到的早期改变。

第二条因果链：房颤没发作时，心房已经留下了印记

房颤是最常见的持续性心律失常，最大的危害是心房里形成血栓，脱落后堵住脑血管。它的检出难点在于阵发性：一年里可能只发作几次、每次几分钟，恰好在做心电图的十秒钟里抓到的概率很低。

但房颤不是凭空出现的。会得房颤的心房，通常已经在结构上变了：心房扩大、心房肌纤维化、心房内和两个心房之间的传导变慢变乱。这些改变在没发作的时候也在那里。它们会让窦性心律下的 P 波变宽、形态和方向有细微偏移、不同导联之间的 P 波关系发生变化。人判读时，P 波只要没超出时长和形态的界限，就是正常；网络看的是整张图上这些细微特征的组合。

同一个团队用 180,922 个人的 649,931 张窦性心律心电图训练和测试。在测试集里，8.4% 的人有过确诊房颤。只看一张窦性心律的心电图，网络判断"这个人有房颤病史"的 AUC 是 0.87，敏感度 79.0%，特异度 79.5%。多看几张，AUC 升到 0.90。

这项研究回答的问题是这个人过去或现在有没有房颤，不是他将来会不会得。但它证明了一件事：房颤在心房上留的印记，即使在心律完全正常的时候也能被读出来。

它是在猜，还是真的能改变结果

AUC 高不等于临床上有用。一个模型在回顾性数据上很准，放到真实的诊所里可能什么都改变不了：医生不信、病人不查、查了也不治。所以真正的检验是随机试验。

2021 年发表的 EAGLE 试验把 120 个基层医疗团队随机分成两组，共 45 家诊所和医院，纳入 22,641 名没有心衰史、因为任何原因做了心电图的成年人。干预组的医生能在电子病历里看到 AI 的判断，对照组照常。主要终点是 90 天内新诊断出 EF 小于等于 50%。

结果是：对照组 1.6%，干预组 2.1%，比值比 1.32。在 AI 判定为高风险的那 6% 的人里，新诊断率从 14.5% 升到 19.5%。整体上超声心动图的使用量两组没有差别（18.2% 对 19.2%），差别集中在 AI 阳性者身上：对照组 38.1% 做了超声，干预组 49.6%。

这个设计里，AI 没有让医生给所有人开超声，它只是把该查的人挑了出来。超声总量没有增加，多查出的病人是从"本来会被漏掉"的那部分里来的。

房颤这边，2022 年《柳叶刀》发表了一项前瞻性试验：1003 名有卒中危险因素、没有已知房颤的人，平均 74 岁，先用 AI 读他们已有的心电图分成高风险和低风险，然后每人戴连续心律监测器平均 22 天。低风险组 370 人里查出房颤 6 人，1.6%；高风险组 633 人里查出 48 人，7.6%，比值比接近 5。和常规照护相比，高风险组的房颤检出率从 3.6% 提高到 10.6%。这不是随机试验，对照来自倾向评分匹配的未入组人群，证据强度低一档，但方向和 EAGLE 一致。

下表把这几项研究放在一起：

连死亡风险都能从"正常"心电图里读出来

宾夕法尼亚州 Geisinger 医疗系统做了一项更直接的实验：用 25 万人、117 万张心电图训练网络预测一年内全因死亡。在 16.9 万人的测试集里 AUC 0.88。研究者特意挑出 45,285 张被医生判读为"正常"的心电图单独测，AUC 仍然有 0.85。他们随后做了一个盲法调查，把这些"正常"心电图里模型判为高风险和低风险的拿给心内科医生看，医生分不出来。

这个结果说明，正常心电图这个标签里藏着不小的异质性，有的正常比别的正常更接近出事。它也说明，模型看的特征不在人类判读的规则体系里。这是它的价值，也是它让人不放心的地方：我们暂时说不清它到底在看什么，只能验证它看得对不对。

它会在哪些情况下看错

第一个问题是假阳性。房颤那项研究里，F1 分数只有 39%，这个数字和 AUC 0.87 放在一起就能看出问题：敏感和特异各 79% 左右，在一个 8.4% 有房颤的人群里，被标为阳性的人中真有房颤的只是少数。换到房颤更少见的年轻体检人群，阳性里的真阳性比例会更低。所以这类工具的正确用法是分层，不是诊断：AI 阳性的意思是值得去做超声或者戴几周监测器，不是你有病。

第二个问题是人群。这几个模型主要在美国中西部训练，梅奥的推导队列里 96.2% 是非西班牙裔白人。研究者随后专门检验了它在不同族裔的表现，低 EF 模型在亚裔 557 人里 AUC 0.961、在非裔 651 人里 0.937，和白人差不多。但这些亚组样本很小，也不是在中国人群里做的。中国有没有同等规模的验证，我没有查到公开的随机试验数据，这一点要存疑。

第三个问题是设备。手表的单导联心电图也试过：421 名有配对超声的参与者里，识别 EF 小于等于 40% 的 AUC 是 0.885，比 12 导联的 0.93 低一些。手表能做的是提示，不是替代医院的检查。

第四个问题是，它预测的是像谁，不是为什么。模型说一张心电图像低 EF 病人的，是因为训练集里这样的图多半来自低 EF 的人。它不知道这个人是心肌病、瓣膜病还是刚跑完步。这决定了 AI 的提示之后必须接一个由人主导的检查，而不是直接进入治疗。