夜雨聆风
心电图作为常规检查手段，年检量达2.5亿人次，但报告质量却存在显著差异，人工智能（AI）能否有所助力？
中国医学科学院阜外医院樊晓寒、赵韡、张雪等进行的表明，AI心电系统可提升各级医师心电图诊断与效率。
这项研究数据源于2024~2025年度“阜外智心·律动中国”心电标准化诊断智能辅助促进赛，共有来自4个省份347家医疗机构1 090名医师参赛，其中河北省74家机构共399名医师，河南省31家机构共155名医师，广东省129 家机构共270名医师，云南省113家机构共266名医师。
医疗机构中，一级医院占17.1%，二级占医院37.5%，三级医院占45.4%。
参赛者平均年龄为（36.0±6.6）岁，中位工作年限为9（5, 15）年。50.1% 的医师心电图判读年限≤5年，22.6% >10年；53.3%累计心电图判读量≤5 000 份。
共进行4场比赛400道题，其中正常心电图占比为4.5%，存在任何一种心电异常的心电图占比为95.5%。
研究者采用开放标签交叉试验设计，每场比赛的参赛者均被随机分A、B两组，每组均需完成AI辅助（30道单选题+20道多选题）与无AI辅助（30道单选题+20道多选题）两类题目，AI辅助可在答题界面实时查看智能心电辅助系统所提供的AI诊断，系统自动记录每题答题结果及精确答题时间。
通过对1 064名医师有效判读数据分析显示，在不同地区、医疗机构等级、心电图判读年限、心电图判读量的医师中，均观察到AI辅助的答题准确率显著高于无AI辅助（P均<0.001）。
与无AI辅助相比，AI辅助的平均答题准确率提升28.3个百分点（57.9% vs. 86.2%，P<0.001），单题平均答题时长缩短 46.6%[（35.2±38.2）s vs. （18.8±25.9）s，P<0.001]。
多选题改善尤为显著（答题准确率提升44.6个百分点）；一级医疗机构医师及判读经验较少医师获益最大（答题准确率提高32.5个百分点至35.7个百分点）。
多元线性回归分析证实AI辅助与答题准确率（β=0.312，P<0.001）及答题时长（β=-16.868，P<0.001）均存在显著关联。
据介绍，AI在医学影像判读、心电图分析场景中已展现出卓越性能，甚至在心房颤动等疾病识别中已达到或超越医师水平。
当前这项研究建立了“质量-效率”双维度评估体系，创新性地采用多中心竞赛范式，受试者覆盖全层级、多地区医疗机构，突破既往研究受试者同质化问题。诊断疾病范围涵盖了心律失常、心肌缺血、传导异常等100余项诊断类型，较既往研究显著拓展了评估场景，更全面验证了AI系统在复杂心电图判读环境中的实用价值。
尽管AI辅助系统展现出显著临床价值，但研究者指出，仍需审慎看待其在实际应用中的定位。
AI 辅助下的人机协同模式仍存在13.8%的误判率，这提示，当前AI技术应被定位为“辅助决策工具”而非替代医师的专业判断。
基层及低年资医师对AI辅助的依赖度显著高于高年资医师（其答题准确率提升幅度约为后者的1.5倍），这警示了潜在的过度依赖风险。
基于上述发现，为推动人机协同的安全转化与可持续发展，研究者建议构建“技术应用—医师培养—机制保障”三位一体的协同框架。
技术应用层面，持续优化算法性能保持AI稳定性的同时，突破可解释性技术以辅助临床循证与人机信任建立。
医师培养层面，建议将AI纳入教育体系，引导医师在保有专业自主性的同时正确认识和应用AI；建设AI赋能的教培系统，从“辅助诊断”升级为“辅助学习”。
机制保障层面，在医疗机构内部建立质控机制；在区域医联体框架下，针对疑难危重病例，形成“AI初筛—基层识别—上级复核”的协同诊疗模式，系统性保障医疗质量与患者安全。
总之，研究者认为，随着技术的持续发展，AI系统有望成为改善心血管疾病早期诊断和分级诊疗实施的重要支撑。
来源：张雪, 刁晓林, 霍燕妮, 等. 基于多中心竞赛的人工智能辅助心电图判读价值研究[J]. 中国循环杂志, 2026, 41(3): 265-271. DOI: 10.3969/j.issn.1000-3614.2026.03.007.【长按或扫描二维码可见原文】
