据 Fox News 报道，加州大学伯克利分校相关研究显示，AI 可能从常规 ECG 心电图中识别出与突发心脏死亡风险相关的隐藏模式。研究使用超过 44 万份瑞典 ECG 数据训练模型，并在美国和台湾数据上测试。模型发现的一组高风险人群，年突发心脏死亡率为 7%，高于传统低射血分数筛查组的 4.6%。

这条新闻很容易被写成“AI 比医生更会看心电图”。但更准确地说，AI 可能发现了常规筛查没有充分利用的信号。心电图本来就是很普通的检查，很多人做过之后，纸上那几条波形就被归档了。研究者认为，这些波形里可能藏着人类医生过去没有系统总结出来的风险线索。

报道里提到，传统上医生常用左心室射血分数 LVEF 判断部分患者是否需要植入式除颤器。问题是，很多猝死患者此前并没有进入这种更深入的评估；另一些人心脏泵血功能看起来正常，却仍可能有危险心律风险。AI 模型试图补上这个缺口，在普通 ECG 中筛出更需要进一步监测的人。

研究团队还尝试解释模型看到了什么。它在 aVL 导联的 QRS 波段发现一个此前文献中未充分描述的特征，可能与突发心脏死亡风险相关。这个细节很关键。医疗 AI 如果只给一个分数，医生很难信任；如果它能指向可解释的波形特征，就更有机会进入临床讨论。

但边界必须写清楚：这不是家庭诊断工具。普通人不能上传一张心电图截图，就判断自己是否高危。研究仍在推进，医院还需要验证模型在更多人群、更多设备、更多疾病背景下是否稳定。即使 AI 标记了风险，下一步也应该是医生复核、佩戴监测贴片、进一步检查，而不是直接决定治疗。

沈南乔更关心另一个问题：医疗 AI 的数据从哪里来，又由谁控制。报道提到，研究者花了约十年整理这些数据。心电图、病历、死亡证明和随访记录都是高度敏感信息。AI 越能从旧检查里挖出新风险，患者越需要知道自己的数据如何被保护、共享和再利用。

OC 的判断是，这类医疗 AI 的真正价值，不是替代医生，而是把“看起来正常”的常规检查重新变成可挖掘的风险入口。它可能帮助医生更早发现一部分高危患者，也可能带来误报、焦虑和过度检查。技术要进医院，必须同时回答三个问题：准不准、错了怎么办、患者是否知道自己的数据被怎样使用。

对普通读者来说，这条新闻可以带来希望，但不该带来恐慌。AI 也许会让普通心电图更有用，但今天真正该做的仍然是：有晕厥、心悸、家族猝死史等情况时及时看医生；不要把可穿戴设备或网上工具当医生；也不要因为一条 AI 医疗新闻就给自己下诊断。

参考来源

• Fox News：AI may spot deadly heart risk in a routine ECG