研究背景
结构性心脏病（Structural Heart Disease, SHD），包括获得性瓣膜异常和心肌功能障碍，是老年人群发病和死亡的重要原因。早期、准确的检出对于及时干预和改善预后至关重要。传统上，其诊断确证依赖超声心动图，尽管该检查具有较高的敏感度和特异度，但需要专门设备和受训人员，因此限制了在社区中开展大规模筛查。
人工智能（AI）增强的心电图分析（AI-enabled electrocardiogram analysis, AI-ECG）作为一种有前景且可及性较高的辅助工具，已被用于从常规心电图中识别SHD特征。然而，大多数AI-ECG模型是在医院队列中开发并验证的，这些队列的疾病患病率相对较高，且表型更为进展。此类模型在社区居住人群中的表现仍不明确，因为该人群的疾病患病率更低、临床表现也更轻。理解疾病谱和患病率对诊断准确性的影响，对于确保模型能够安全、有效地迁移至常规社区场景至关重要。
