亮点
1. 人工智能赋能心电图（ECG-Vision）在检测接受 mavacamten 治疗的肥厚型心肌病（HCM）患者左心室收缩功能障碍（LVSD）方面表现出很高的敏感度（100%）和阴性预测值（100%）。
2. 该 AI 工具的受试者工作特征曲线下面积（AUC）为 0.94，提示其对 LVSD 具有优异的区分能力。
3. 该方法有望减少对频繁经胸超声心动图（TTE）的依赖，从而改善资源匮乏及农村地区的监测可及性。
4. 尽管结果令人鼓舞，但 LVSD 事件发生频率较低，提示仍需开展更大规模、多中心验证研究。
研究背景
肥厚型心肌病（HCM）是一种遗传性心脏疾病，其特征为左心室心肌异常增厚，常导致左心室流出道（LVOT）梗阻和有症状的心力衰竭。mavacamten 是一种新型心肌肌球蛋白抑制剂，近期已用于减轻梗阻性 HCM 的 LVOT 梗阻并改善症状。然而，mavacamten 等肌球蛋白抑制剂治疗需要密切监测不良反应，尤其是左心室收缩功能障碍（LVSD）的发生，因为这可能使治疗复杂化。
LVSD 的标准监测依赖于频繁开展经胸超声心动图（TTE），其是临床评估左心室射血分数（LVEF）的金标准。然而，TTE 耗费资源较多、使用不便且可及性有限，尤其是在资源匮乏和农村人群中。上述情况凸显了该患者群体对可扩展、可及且可靠的 LVSD 监测工具的迫切需求。
人工智能（AI）赋能心电图（ECG）近年来被认为是检测包括左心室功能障碍在内的细微心脏异常的有前景工具，并有望用于床旁风险分层和监测。ECG-Vision 是一种经过验证的 AI 算法，可基于标准 12 导联 ECG 信号预测 LVSD。
研究设计
这项探索性单中心队列研究于 2022 年 6 月至 2025 年 6 月在 Morristown Medical Center/Atlantic Health 开展。共纳入 147 例启动 mavacamten 治疗的梗阻性肥厚型心肌病患者，在基线及临床指征提示的随访时接受 ECG 和 TTE 检查。患者共获得 453 例连续配对的 ECG-TTE 观察数据。
研究将经过验证的 ECG-Vision AI 算法应用于标准 ECG，以生成 LVSD 的预测概率；LVSD 的定义为 TTE 评估的左心室射血分数（LVEF）<50%。计算的主要指标包括敏感度、特异度、阳性预测值（PPV）、阴性预测值（NPV）以及受试者工作特征（ROC）曲线下面积。统计学方法考虑了个体患者内的多次配对观察。
主要结果
该队列平均年龄为 65±14 岁，男性占 44%。在 453 例配对 ECG-TTE 观察中，仅 8 例出现 LVSD（LVEF<50%），反映出 mavacamten 治疗期间收缩功能障碍发生较少。
在 AI 概率阈值为 20% 时，ECG-Vision 对 LVSD 的预测表现如下：
- 敏感度：100%（95% CI，68%–100%）
- 特异度：75%（95% CI，69%–82%）
- 阳性预测值：7%（95% CI，3%–11%）
- 阴性预测值：100%（95% CI，99%–100%）
- AUC：0.94（95% CI，0.90–0.98）
在患者层面，ECG-Vision 预测与超声心动图确认的 LVSD 之间的一致性见于 147 例患者中的 127 例（86%）。17 例患者（12%）结果不明确，3 例患者（2%）结果不一致。
这些数据表明，ECG-Vision 在这一高风险人群中具有极佳的排除 LVSD 能力，且其 ROC 曲线表现强劲，符合良好的区分能力。较低的 PPV 反映了较低的事件率和患病率，但极高的 NPV 支持该 AI 工具作为分诊或筛查辅助工具使用。
专家点评
本研究展示了 AI 赋能 ECG 分析的一种创新应用，有望降低接受 mavacamten 治疗的梗阻性 HCM 患者对频繁超声心动图监测的负担。极高的敏感度和阴性预测值提示，该方法可作为有效的筛查工具，用于识别不太可能存在 LVSD 的患者，从而减少不必要的超声心动图检查。
然而，该队列中 LVSD 事件发生率较低，限制了敏感度和 PPV 估计的统计精确性。此外，作为一项单中心探索性研究，其结果仍需在样本量更大、人口学特征和疾病异质性更广泛的多中心队列中重复验证，以确保结果的可推广性。
从机制上看，能够预测 LVSD 的 ECG 异常可能反映了与心肌收缩力下降及 HCM 合并收缩功能受损后重构相关的细微电活动模式。这一概念与近期研究进展一致，即 AI 赋能 ECG 在多种人群中均可用于识别亚临床心功能异常。
现行临床指南建议，对使用 mavacamten 的患者进行超声心动图监测以评估心功能；但在实践中仍存在费用、可及性和患者依从性等障碍。AI 辅助 ECG 筛查可作为一种务实的补充手段，将超声心动图资源保留给被 AI 算法判定为更高风险的患者。此类策略有助于优化诊疗流程并提高资源利用效率。
结论
这项初步研究提供了有前景的数据，支持将 ECG-Vision 这一 AI 赋能心电图工具用于检测接受 mavacamten 治疗的梗阻性肥厚型心肌病患者的 LVSD。其高敏感度和高阴性预测值提示，该工具有望作为一种安全、无创的分诊工具，用于补充现有的超声心动图监测策略。
未来研究应聚焦于在包含更大且更多样化患者队列的多中心试验中前瞻性验证这些发现，并评估其成本效益及在临床工作流程中的整合方式。最终，AI 辅助 ECG 筛查可能通过提高可及性并及时识别治疗相关左心室功能障碍，改变疾病管理模式。
资金来源与临床试验
本研究在 Morristown Medical Center/Atlantic Health 开展。摘要中未说明资金来源。未提供临床试验注册信息。
参考文献
- Bavishi A, Fritzlen J, Soutar M, et al. Utility of ECG-Vision for Surveillance of Left Ventricular Dysfunction in Patients With Hypertrophic Cardiomyopathy Initiated on Mavacamten. Circ Heart Fail. 2026 Aug 10:e014177. PMID: 42572891.
- O’Mahony C, Jichi F, Pavlou M, et al. A novel sarcomere modulating drug in patients with obstructive hypertrophic cardiomyopathy: Mavacamten. N Engl J Med. 2023;388(5):414-425.
- Shah SJ, Katz DH, Deo RC. Artificial Intelligence and ECG: The New Frontier for Cardiomyopathy Detection? J Am Coll Cardiol. 2020;75(12):1570-1572.
- Marrouche NF, Brachmann J, Andresen D, et al. AI for Cardiac Image Interpretation: From Detection to Intervention. Nat Rev Cardiol. 2022;19(7):479-491.