【慢性肝病】AI 解析心電圖，幫助揪出未發現的慢性肝病

慢性肝病初期往往悄無聲息，患者幾乎沒有任何不適；出現胃出血、腹水或黃疸等症狀而發現不對勁時，病情常已是嚴重的肝硬化。且臨床即使血液檢查或影像學檢測，許多患者仍是疾病相當晚期才診斷出來。近期美國梅奧診所（Mayo Clinic）嘗試突破困境，利用 AI 分析心電圖（electrocardiogram，ECG），竟能患者尚未出現症狀前即辨識出潛在肝病風險，論文近日刊登於《自然醫學》（Nature Medicine）期刊。

心臟與肝臟隔著橫隔膜相鄰，有密不可分的關係。當肝臟出現纖維化或硬化，血流與生理調控可能隨之改變，影響心臟電生理表現。變化雖然細微，卻可能反映至心電圖。梅奧診所基於此生理現象，分析 11,513 例心電圖檢查資料，並訓練出一套能辨識晚期肝病相關 ECG 特徵的 AI 模型。臨床驗證結果顯示，這套模型辨識出慢性肝病患者人數，竟是傳統標準診斷法兩倍，顯見早期偵測的巨大潛力。

早期診斷的價值與挑戰

這項研究並非只停在實驗室的模型開發階段，而是臨床環境已進行實驗，評估「真實世界」患者。慢性肝病若能早期發現早期治療，更有機會延緩，甚至避免肝硬化發生。團隊強調，許多經 AI-ECG 模型辨識出的患者，若僅依賴傳統檢查，可能不會察覺肝臟早就發生病變。這項突破，有機會填補現行肝臟檢測法的長期缺口。

然而，這套模型要大規模導入臨床應用前，仍有幾個關鍵問題需要克服。首先，模型是以特定族群資料訓練，不同族裔與醫療體系適用性與穩定性，仍待進一步驗證。其次，AI 判讀結果如何取得醫師信任、融入健檢流程，又不額外增加醫療負擔，都是實務上挑戰。

AI 驅動的預防性醫療轉型

團隊將持續追蹤新診斷出的慢性肝病患者，以評估疾病早期介入治療，對病程進展與後續治療結果的影響。這項研究不僅是肝病診斷的重要進展，也可能促使醫療體系重新思考：如何善用既有例行檢查資料，結合人工智慧，挖掘出過去未曾察覺的健康訊息。換言之，AI-ECG 模型讓原本僅用於心臟評估的心電圖，多了一層辨識其他健康風險的價值，也為以預防為核心的醫療發展，開闢出一條可行的新路徑。

這類研究發展，讓未來慢性肝病不用等到症狀出現才介入治療，而是透過既有心電圖檢查資料與人工智慧，爭取更早治療的機會。雖然這種醫療模式尚在起步階段，但仍相當值得期待。

科技新報

圖檔來源 : 123rf.com