论文题名： Artificial intelligence-enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial

期刊与年份： Nature Medicine，2021。论文原文。

范围为正文全部编号主图及其子图，包含流程示意图。Extended Data 和 Supplementary Figures 不在本次范围。页码指阅读时所用 PDF 的文件页码。

返回专题总目录

研究问题： 把低 EF 的 AI-ECG 结果提供给基层医疗团队，是否实际提高新诊断率？

有预测模型之后，还要检验谁会采取行动

此前AI-ECG能够识别低EF，但分数是否改变日常基层诊疗仍未知。本文把核心问题从模型区分能力改成工作流程效果：向团队提供AI结果，是否在九十天内增加新诊断低EF。我的推测是，idea来自预测研究与患者实际被检查之间的距离，研究因此采用实用性随机试验而不是再做一份回顾性ROC。这是研究设计的逻辑重构，不是作者个人构思经历。

本文验证的是既有工具的作用，不是新网络架构

两组AI阳性比例都约百分之六，区别在于结果是否可见。对照组存在高分患者但医生不知道分数，使试验能询问“给出信息”这一动作的效应，而不只是比较高分与低分病人的自然差别。阳性群体中新诊断率从百分之十四点五到十九点五，是检测流程增量的更集中观察；总体较小绝对差异则反映大部分患者没有阳性提示。两个分母都应报告，不能只选相对收益较大的一个。

医生收到结果后仍自主判断，并不是所有阳性者都接受超声。干预后这部分比例不到一半，体现现实流程中提示、判断、支付与检查可达性的共同影响。提高提醒力度可能增加检出，也可能增加不必要检查，不能从本试验直接推出强制检查更好。多数患者有保险，临床系统还有领导支持与提醒，这些条件对外部实施很重要。研究实用性来自保留真实响应，而这些响应也限制简单把结果移植到资源不同的系统。

输入仍为常规十二导联ECG，既有监督CNN产生低EF提示；试验随机的是120个基层团队能否看到结果。团队级随机减少同一医生对不同患者交叉使用提示的污染，也意味着患者并非全部独立随机单元。最终22641名患者来自日常获得ECG且此前无心衰或低EF记录的人，干预和对照都保留常规医疗。

主要终点定义为ECG后九十天新诊断EF不超过50%，与最初模型训练EF不超过35%的标签不同。工具可以提示更广范围的功能异常，但这个阈值变化需要明确，不能将所有阶段都叫同一个诊断任务。医生最终是否申请超声由实际判断决定，AI不是直接替患者作确诊。

新诊断率包括模型识别、医生回应、检查可及性和真实低EF的综合结果。因此试验效应不能只归于网络权重，还包括电子病历提示、提醒和当地推动。若换到另一系统没有相同支持，效应可能不同。模型准确只是链条中的一段；流程对同一分数的响应决定它的实际价值。

主要终点干预组2.1%、对照1.6%，约增加半个百分点。OR约1.32表示相对诊断优势，并不是所有患者额外32%都有疾病，也不是风险下降32%。总体超声使用差异不显著，而AI阳性群体中超声更多，说明资源更集中到高分者。这里应同时看收益规模与检查负担，不能只看统计显著。

本文没有以心衰住院、死亡或生活质量作为长期获益证明。早发现具有医学动机，仍需确认后续治疗及健康结果。更严格的EF不超过40%次要结果没有达到常用显著标准，也说明改变终点会改变证据强度。已知治疗有效的文献不能替代该AI筛查流程对健康结果的直接评价。

Figure 1｜实用性随机试验入组流程

原图来源：所用 PDF 文件第 2 页，Figure 1。点击图片可查看原图。

图1是集群随机结构的证据。60个团队与60个团队分配，医生人数、患者纳排和最终分析人数一起说明试验单位与观察单位。排除既往已知低EF或心衰，使终点聚焦新发现而非重复确认。参与团队来自愿意加入的临床人员，研究授权和日常ECG获取也影响人群，不能直接代表所有社区居民。集群设计需要在统计中考虑同团队相关，而不是把22641人当作完全独立随机试验。它检验在既有医疗背景中加入工具的增量。

流程图还提醒，未见AI结果的对照仍能通过常规医疗被诊断。干预组高于对照是这个背景上的增量，不是全部诊断都由AI创造。把常规照护写清，是判断工具实际贡献的基础。

Figure 2｜主要终点的亚组森林图

原图来源：所用 PDF 文件第 4 页，Figure 2。点击图片可查看原图。

图2用森林图观察总体与亚组方向。置信区间跨一的亚组不能被叫作已证实无效，样本较小可能无法精确估计；某组显著而另一组不显著也不自动构成组间差异，应查看交互检验。门诊场景增量较明显，可能因为常规照护中更容易漏掉低EF，与住院已有更多检查的情况不同。这里没有字母子图，不应给每行虚构面板标签。

总体新诊断优势成立于本试验工作流程。城市、农村、年龄或既往检查背景影响医生回应与可发现病例，说明部署效应与环境联系。森林图不能提供每个亚组的死亡获益，也不能据相近方向断言所有人口背景同样适用。它帮助确定下一轮扩展试验的重点，而不是结束泛化问题。

阅读说明

• Figure 2 无字母子图，是一个森林图；未把每个人群行虚构成 a/b/c。研究终点是新诊断率，没有在本试验中证明心衰住院或死亡减少。

依据：对应主图、完整图注及正文 Results；实验结果只按本文给出的对象和条件解释。

我对临床AI证据阶段的判断

这篇文章展示了一条重要区分：预测准确、促进新诊断、改善健康是三个阶段。比起再提升一点AUC，随机验证行动增量可能更有实质价值。论文的贡献集中在第二阶段，清楚而有限；将其提前扩大为减少死亡反而削弱可信度。

纯计算研究AD时，可以借鉴这种证据分层，而不能复制自己没有条件完成的临床终点。公共数据模型可以提名模块，外部资料检验病理联系，进一步干预才回答功能。最适合个人硬件的路线，是先完成明确的候选和复现任务，保留下一阶段需要什么数据的清单。

我也会关注干预改变检测概率这一问题。新诊断率增加可能意味着真实漏诊被补上，它本身就是有用流程结果；但无法单凭该终点确定疾病自然发生率改变。类似地，在组学中提高某类信号检出可能来自测量或阈值变化，需要与真实分子变化分开。

若设计下一项研究，应预先定义实际可采取的行动与成本，而不是只输出一列高分样本。对于公共计算项目，行动可以是优先人工复核、检查另一模态或选择公开扰动候选。工具价值需要在同等预算下比较；一个有意义的使用场景，往往比通用模型的宽泛宣传更能支撑创新。

本文还提示，不必在每篇论文都重新发明模型。已有网络进入新的、严格的验证范式同样可以形成重要成果。对研究计划而言，先找到未被解决的证据环节，再决定是否需要新架构，通常比先决定做深度学习更合理。