一张心电图,AI不到2秒读出隐藏的心脏疾病信号心脏病?

而就在2026年德国慕尼黑举办的欧洲心脏病学会大会上，一项人工智能研究，为破解这个难题带来了全新突破。

英国帝国理工学院公布了一项很受关注的研究：一款人工智能工具，只用普通10秒心电图，不到2秒钟就能揪出藏在波形里的心衰、瓣膜病信号。测试数据显示，它最高可以识别81%的心衰病例与90%的瓣膜病病例。这项被科研人员称作拥有“超人能力” 的AI心电技术，正在重新看待这项已经有百年历史的普通检查。

简单讲，医生读图，依靠教科书上总结好的典型波形判断疾病。但不少早期病变不会产生明显异常线条，只会在心电信号留下大量细碎、微弱的变化，混杂在波形当中，人的眼睛分辨不出来。这套AI看过数百万份心电图以及对应的患者病历，却能从中找出这些肉眼捕捉不到的组合规律。

除筛查心脏问题之外，这套AI还能从心电信号中间接捕捉部分全身疾病线索。在数据集测试中，它识别心血管疾病准确率可达 83%‑93%，对糖尿病、肾病这类非心脏疾病识别也能达到70%‑80%。

当然，这些结果都来自历史回顾数据，还需要真实临床环境进一步验证。和市面上绝大多数医疗AI一样，这项技术讲究人机合力。AI不直接下诊断，只是风险筛查工具。如果AI提示高风险，依旧要通过心脏超声来最终确认病情，不能单凭心电图就判定患病。

BHF官方网站

心力衰竭、心脏瓣膜病属于典型的“沉默疾病”。发病早期身体没有强烈不适感，等到出现胸闷气喘，心肌往往已经出现较重损伤。心脏超声是确诊金标准，但检查慢、设备资源有限，很难给所有人拿来做大规模初筛。

而心电图设备医院、体检机构几乎家家都有，成本低、检查快。这款AI的核心价值，就是利用现有的心电图设备做第一轮 “海选”：不用添置新机器，患者做完常规心电图，AI后台自动运算，把真正高危的人挑出来优先安排心脏超声，低风险人群可以暂缓进一步检查，把有限的医疗资源留给真正需要的患者。这不仅适合门诊，未来还有望向社区、居家筛查延伸。

而这项诞生于英国帝国理工学院的前沿研究，也并非凭空而来。在前期科研阶段，就有中国临床科研的重要助力，国内大规模真实患者数据，是支撑这套技术体系迭代不可或缺的前期研究基石。

早在2025年，帝国理工团队就和复旦大学附属中山医院开展国际合作研究并发表论文。中山医院贡献了超过40万名中国患者、接近百万组“心电图‑心脏超声”配对数据。通俗来说，就是同一批人同时拥有心电图和心脏超声检查结果，给AI做训练学习，之后再用美国患者数据检验模型能不能适配不同人群。

也就是说，在前期学术合作里中国人的真实病例，帮助AI学会识别瓣膜病的相关信号。

国内的AI心电图技术同样在快速发展，大致可以分为两类：已经实现落地应用的成熟产品，以及尚处在实验室阶段的前沿探索方向。

落地应用层面，国内多款取得医疗器械审批的AI心电系统，已经部署至上万所基层卫生院。借助远程心电网络，乡镇患者完成心电图检查后，AI可快速完成初筛，再交由上级医院医生复核。这套模式把心脏检查能力下沉到县域与乡村，有效缓解了基层心电诊断医生短缺的现实难题。

与此同时，北京大学、上海交通大学、复旦大学附属中山医院等多家科研医疗机构，也在布局心电大模型研究，尝试挖掘普通心电图波形之下更深层的健康线索。