广义的结构性心脏病（structural heart disease，SHD）指任何心脏结构的异常，任何与心脏和大血管结构有关的疾病。其是一种进行性疾病，这意味着症状会随着时间的推移而恶化，如果不及早发现和治疗，死亡率较高。所以，早期诊断和治疗是改善患者预后的关键。

当地时间5月24日，美国区域卫生系统Geisinger和生物技术研究公司Tempus的临床医生和科学家发现，其人工智能模型可以在病人未确诊时，准确识别出其患结构性心脏病的风险在升高，即标记出高危结构性心脏病患者。

这个模型的数据来自非常常见的十二导联心电图(ECG)，研究人员收集了1984年至 2021年间在Geisinger接受护理的48万名患者的220万份心电图数据。该数据用于训练深度神经网络(DNN)，以预测在没有结构性心脏病病史的患者中，哪些患者会患上这种疾病，从而使其可以从监测或治疗中受益。

这个名为rECHOmmend人工智能模型可以通过超声心动图（心脏超声）预测七种结构性心脏病中的任何一种。“过去的研究表明，人工智能能够通过超声心动图进行单一疾病筛查。rECHOmmend则在此基础上进一步提高超声心动图作为结构性心脏病筛查工具的可行性，”Geisinger高级数据科学家、该研究的主要作者Alvaro Ulloa Cerna表示，“这可以帮助早期诊断，并避免疾病进一步发展及其使人衰弱的症状出现。”

Tempus首席科学官Joel Dudley说道，“结构性心脏病具有很高的发病率和死亡率。我们的两个团队正在继续寻找新的方法，在心脏病患者到达不可逆转的严重衰弱阶段之前应用人工智能来完成预测。”

这项研究是Tempus和Geisinger团队近年开展的“基于AI的心脏病学研究”的最新成果。此前2020年5月，这两个组织合作研究AI是否可以使用 ECG 数据准确预测死亡率，研究（Prediction of mortality from 12-lead electrocardiogram voltage data using a deep neural network）发表于《自然·医学》上。其研究表明，人工智能可以直接从心电图数据预测死亡率，甚至其中有大量心电图数据是被医生解释为正常。

2021年，这个团队创建了预测新发心房颤动(AF)和AF相关中风风险的AI模型，发表于《Circulation》杂志。AF模型被指定用于40岁及以上的患者，这些患者没有预先存在或并发的AF或心房扑动，但根据常用的临床卒中风险评估工具，他们的卒中风险较高。