近千人参与的心电竞赛揭示AI辅助诊断显著提升准确率与速度——阜外医院最新研究

心电图作为临床常规检查项目，我国每年检查量高达2.5亿次，然而各医疗机构出具报告的质量参差不齐。那么，人工智能（AI）能否在这一领域发挥积极作用？

中国医学科学院阜外医院樊晓寒、赵韡、张雪等开展的研究证实，AI心电系统能够有效提升各级临床医师在心电图诊断方面的准确性与工作效率。

本研究数据来源于2024至2025年度"阜外智心·律动中国"心电标准化诊断智能辅助推进赛，共计4个省份347家医疗单位的1090名医师参与角逐。其中河北省74家单位399人，河南省31家单位155人，广东省129家单位270人，云南省113家单位266人。

参与单位中，一级医院占17.1%，二级医院占37.5%，三级医院占45.4%。

参赛者平均年龄（36.0±6.6）岁，中位从业年限为9（5, 15）年。50.1%的医师心电图判读经验不足5年，22.6%超过10年；53.3%的医师累计判读量不超过5000份。

比赛共设置4轮400道题目，其中正常心电图仅占4.5%，存在各类心电异常的占比达95.5%。

研究者采用开放标签交叉试验方案，每轮比赛的参赛者随机分配至A、B两组，两组均需完成AI辅助（30道单选题加20道多选题）与无AI辅助（30道单选题加20道多选题）两种类型的题目。AI辅助模式下，参赛者可在答题界面即时查看智能心电辅助系统提供的AI诊断结果，系统自动记录每道题目的作答情况及精确用时。

对1064名医师的有效判读数据进行分析后发现，无论地区、医疗机构级别、心电图判读年限还是判读量如何，各组医师在AI辅助下的答题准确率均显著高于无AI辅助时（P均<0.001）。

与无AI辅助相比，AI辅助使平均答题准确率提升28.3个百分点（57.9%对比86.2%，P<0.001），单题平均用时缩短46.6%[（35.2±38.2）秒对比（18.8±25.9）秒，P<0.001]。

多选题的改善幅度尤为突出（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相对不足的医师获益最为明显（答题准确率提高32.5至35.7个百分点）。

多元线性回归分析进一步证实，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）之间均存在显著相关性。

据研究者介绍，AI在医学影像分析、心电图解读等领域已展现出优异表现，甚至在房颤等疾病的识别方面已达到或超过临床医师的水平。

本研究构建了"质量—效率"双维度评价体系，创新性地运用多中心竞赛模式，受试者覆盖各层级、多地区医疗机构，有效解决了以往研究中受试者同质化的问题。诊断疾病谱涵盖心律失常、心肌缺血、传导障碍等100余种诊断类型，较既往研究大幅拓展了评估范围，更为全面地验证了AI系统在复杂心电图判读场景中的应用价值。

尽管AI辅助系统展现出显著的临床应用前景，但研究者同时强调，需理性看待其在实际落地中的角色定位。

在AI辅助的人机协作模式下，仍存在13.8%的错误率，这表明当前AI技术应被定位为"决策支持工具"，而非替代医师的专业判断。

基层及低年资医师对AI辅助的依赖程度明显高于高年资医师（其答题准确率提升幅度约为后者的1.5倍），这提示可能存在过度依赖的风险。

基于上述发现，为推动人机协同的安全转化与可持续发展，研究者建议建立"技术应用—医师培训—制度保障"三位一体的协同体系。

在技术应用层面，需持续优化算法以保持AI稳定性的同时，突破可解释性技术瓶颈，助力临床循证决策与人机信任的建立。

在医师培训层面，建议将AI纳入医学教育体系，引导医师在保持专业独立性的前提下正确认识和应用AI；建设AI赋能的培训系统，从"辅助诊断"升级为"辅助学习"。

在制度保障层面，应在医疗机构内部建立健全的质量控制机制；在区域医疗联合体框架下，针对疑难危重病例，形成"AI初筛—基层识别—上级复核"的协作诊疗模式，系统性保障医疗质量与患者安全。

综上所述，研究者认为，随着技术的不断进步，AI系统有望成为推动心血管疾病早期诊断及分级诊疗落地的重要支撑。