研究人员训练该模型利用普通心电图来检测冠状动脉微血管功能障碍，这是一种复杂的疾病，需要借助先进的成像技术才能诊断。
他们的预测工具在几乎所有诊断任务中都显著优于早期的人工智能模型，包括预测心肌血流储备——这是诊断冠状动脉微血管功能障碍（CMVD）的金标准。
研究结果发表在《新英格兰医学杂志》旗下的月刊《NEJM AI》上。
“我们的模型为临床医生提供了一种方法，仅通过10秒的心电图条带，就能准确识别出一种众所周知难以诊断且在急诊就诊时经常被漏诊的疾病。”Venkatesh L. Murthy医学博士、哲学博士表示，他是该研究的资深作者，同时担任密歇根大学健康系统弗兰克尔心血管中心转化研究与创新心内科副主任，以及密歇根大学医学院梅尔文·鲁宾菲尔预防心脏病学教授。
每年约有1400万人因胸痛前往急诊室或门诊就诊。
与因心脏大血管堵塞引发的冠状动脉疾病不同，冠状动脉微血管功能障碍（CMVD）影响的是更细小的血管。
它也会导致胸痛并增加心脏病发作的风险，但诊断冠状动脉微血管功能障碍（CMVD）需要采用正电子发射断层扫描（PET）心肌灌注显像等先进方法。
人工智能模型的工作原理
这些高价值的扫描既昂贵，在专科中心之外也很少能接触到。
可用的扫描数据有限，这给Murthy和他的研究团队寻找训练人工智能模型的数据带来了挑战。
他们通过自监督学习（SSL）解决了这个问题。
他们首先在超过80万个未标记的心电图波形上对一个名为视觉Transformer的深度学习模型进行预训练，然后在一个规模较小的标记正电子发射断层扫描（PET）数据集上对其进行微调。
“本质上，我们让模型在没有人类监督的情况下‘理解’心脏的电信号语言，”Murthy说。
在完成基础训练后，研究人员通过12项不同的人口统计学和临床预测任务，教会该模型准确解析先进的正电子发射断层扫描（PET）数据，其中包括几项当前心电图人工智能模型无法完成的任务。
该模型不仅能在不同数据库中成功预测冠状动脉微血管功能障碍（CMVD），而且与以往最先进的模型相比，在更常见心脏疾病的预测任务中，诊断准确性也持续提高。
该模型使用的四项诊断任务通常涉及运动负荷试验期间记录的心电图。
然而，结果显示，与静息心电图相比，使用运动心电图时性能仅略有提升。
心脏人工智能的未来
已有多个研究小组通过在大型心电图数据库上训练，成功开发出解读心电图的人工智能工具。
不过，这些模型用于更通用的任务，例如自动解读心律和检测左心室收缩功能障碍。
Murthy的团队认为，通过使用较难获取的正电子发射断层扫描心肌灌注显像（PET MPI）的“金标准”数据来训练模型，能够扩展心电图预测像冠状动脉微血管功能障碍（CMVD）这类更难发现的微血管疾病的能力。
“因胸痛来急诊的人可能患有冠状动脉微血管功能障碍（CMVD），但他们的血管造影结果却显示‘正常’，”该研究的合著者、密歇根大学医学院内科心脏病学副教授Sascha N. Goonewardena医学博士说。
“在资源有限的医院或非专科中心，使用我们的心电图人工智能模型来预测心肌血流储备和冠状动脉微血管功能障碍（CMVD），将是一种简单、经济且无创的方法，可用于确定患者何时需要接受针对严重疾病的先进检查。”
来源：
密歇根大学医学中心
期刊参考：
Moody, J. B., 等. (2025). 基于自监督学习的基础Transformer模型用于基于心电图的心脏和冠状动脉功能评估. 《NEJM AI》. doi: 10.1056/aioa2500164. https://ai.nejm.org/doi/full/10.1056/AIoa2500164