AI辅助筛查在多中心真实世界试验中使转甲状腺素心脏淀粉样变性检测率提高三倍

亮点

– 一个AI模型（ATTRACTnet）结合了心电图波形、超声心动图测量值、人口统计数据和骨科诊断代码，在内部和外部测试集中对ATTR-CM表现出强大的区分能力（AUC ≈0.82–0.85）。
– 在一项多中心、单臂临床实施中，AI引导的病例发现识别出1471名评分阳性的患者；50人进行了诊断测试，其中24人（48%）被确诊为ATTR-CM——比历史对照组高2.8倍。
– 大多数新诊断的患者（88%）迅速开始了疾病修饰治疗；研究作者强调需要进行随机试验以评估下游临床益处。

背景：疾病负担和未满足的需求