Mayo诊所的一项研究表明，通过AI技术对ECG进行分析可以准确筛查早期无症状的左心室功能障碍，这比其他常见筛查方法更为准确。同时，美国斯坦福大学的一项研究也证实了AI技术在心脏领域的优势。通过分析监测设备生成的心电图数据，可以诊断出10种不同类型的心律失常，其准确性甚至超过了一次。心脏科医生的诊断。在正常情况下，血液从左心房流向左心室，左心室负责将含氧的血液推入动脉，并将其输送到全身各个器官，以维持人体的新陈代谢。但是，当左心室功能受损时，心输出量将不足以维持全身代谢的需要。患者通常有呼吸困难和下肢浮肿等症状。但是，3％到6％的人不会有任何症状，并且会遭受无症状的左心室功能障碍，这是心力衰竭的征兆。这种疾病不仅会降低患者的生活质量，还会影响寿命。尽管可以在诊断后对这种心脏病进行有效治疗，但是目前没有便宜，无创，无痛的筛查工具可供医生诊断。研究发现，测量B型利钠肽（BNP）水平是筛查无症状左心室功能障碍的最佳方法，但BNP结果的准确性不高，并且在检查期间需要抽血测试。诸如超声心动图，CT或MRI之类的常见诊断方法昂贵且准确性低。与上述方法相比，心电图是一种更流行，更便宜的检测方法。中西部地区梅奥诊所心血管医学部主席保罗·弗里德曼（Paul Friedman）相信：“使用人工智能对心电图进行数字处理可以提取出新的隐藏的心脏病信息。这种方法简便易行，价格合理，对心脏病的诊断和治疗具有重要意义。”人们认为，经过适当训练的神经网络可以准确地检测出心电图中无症状的左心室功能障碍。研究人员创建了一个神经网络，从临床数据中过滤出625,000对匹配的心电图和超声心动图，并用其来训练，验证和测试该神经网络。结果表明，标准心电图分析中AI的敏感性为95.6％，特异性为92.4％，而心脏病专家诊断的敏感性和特异性分别为86％和85％。因此，AI可以可靠地检测出无症状的左心室功能不全，并且其准确性要优于其他常见的筛查工具。保罗·弗里德曼（Paul Friedman）指出：“这种筛查方法不仅可以识别无症状的左心室功能障碍，而且因为AI可以识别ECG的早期和细微变化，所以AI技术还可以预测未来疾病的风险。”同时，斯坦福大学也试图将ECG与AI结合起来，这一次他们的目的是诊断心律不齐。研究人员通过ECG监测设备从530,000多名患者那里收集了91,000多个ECG数据样本。 AI算法用于检测和识别10种不同类型的心律失常，并且AI算法也经过训练，可以识别这10种不同类型的心律失常，并从可能增加心律失常发生率的噪声中区分出正常的窦性心律。通过与心脏病专家分析的结果进行比较，发现AI具有90％的特异性和敏感性，而心脏病专家的特异性和敏感性分别为75％和78％。结果表明，深度神经网络模型在诊断心律不齐方面的准确性超过了医生的准确性。