超声心动图是评估心脏结构与功能的基石性影像检查，应用广泛、技术迭代悠久。近年来，人工智能（AI）在医疗领域的渗透不断加深，覆盖图像采集、分析、报告到风险分层的超声全流程，相关研究呈指数级增长。然而，与研究热度形成反差的是，AI在超声心动图服务中的临床落地仍然有限且参差不齐。

针对这一现状，英国超声心动图学会（BSE）组建了涵盖心脏病学家、心脏生理学家/临床科学家、临床学者、AI研究者以及患者与公众代表的多学科撰写组，基于一项系统综述和患者公众参与活动，经多轮讨论与BSE理事会批准形成共识，发布了这份立场声明，系统阐述AI融入超声心动图服务的机遇、挑战与要求。声明虽以英国为背景，但其原则同样适用于具有类似服务模式的医疗体系。

AI能做什么：覆盖超声全流程，成熟度参差

声明沿超声心动图完整工作流程逐一评估了AI的应用场景，并引入"技术就绪度等级"（TRL，1–9级）标尺，区分哪些模型已可临床部署、哪些仍需更多证据。

图1.AI在超声心动图工作流程中的应用全景：贯穿患者转诊等工作流环节、图像采集与分析、报告解读，并需同步考虑法律、伦理、公平与环境因素。

转诊、分诊与预约排程：深度学习模型可支持准确高效的转诊分诊，大语言模型有望整合患者信息与分诊指南实现按临床需求优先排序；AI还可通过分析历史数据预测到诊高峰与爽约人群，优化排程。目前此类模型基本空白（TRL 1–2）。

图像采集与质量改善：AI引导的图像采集已在多家厂商设备上商用（TRL 9），可帮助经验不足的操作者获得有诊断价值的图像，在急诊和社区场景尤其有价值；基于深度学习的降噪、去伪影及多屏气三维图像融合技术仍处研发阶段（TRL 1–5）。

定量分析：超声测量的操作者内与操作者间变异是长期痛点，左室射血分数的观察者间变异可达±14%。AI已显示出标准化测量、降低变异的能力，覆盖左室射血分数、整体纵向应变、瓣膜病评估和右室定量；心脏结构功能的自动测量已在多数新款设备普及（TRL 9），其余定量模型多处于研发阶段（TRL 3–9）。

报告撰写：大语言模型可按指南自动生成标准化报告摘要，并将专业结论转化为患者母语的通俗版本，还可充当"合理性校验"，识别测量值与结论不匹配之处。目前尚无超声心动图专用产品（TRL 1–2）。

疾病识别与风险分层：AI在负荷超声检出冠心病、识别心脏淀粉样变性、鉴别左室肥厚病因（运动员心脏、肥厚型心肌病、高血压心脏病）、评估主动脉瓣狭窄及各瓣膜反流等方面均展现潜力，部分模型已获监管批准（TRL 2–9）。在风险分层方面，整合超声、心脏磁共振、CT与血液指标的AI模型已能识别主动脉瓣狭窄高危亚组，有望优化瓣膜干预时机，但整体仍处研发早期（TRL 1–5）。

图2.各类超声心动图AI应用的技术就绪度（TRL）分布：图像采集与自动测量最接近成熟部署，而报告与排程类应用尚在起步阶段。

核心要点一览

• AI应定位为"增强工具"：关键判读与最终决策权必须保留在医疗专业人员手中。

• 图像采集引导与自动测量已达最高就绪度（TRL 9）；报告、排程、风险分层类应用仍需大量证据积累。

• AI并非提效的"万能钥匙"：图像质量欠佳时AI反而需要更多人工校正，"生产率提升"论断需谨慎看待。

• 训练数据代表性不足是当前主要风险：女性、少数族裔、先心病及瓣膜修复术后患者常被低估，且模型多在非英国人群上训练验证。

声明以专表梳理了AI融入超声工作流程的主要风险及缓解策略。核心内容包括：

关切领域

主要风险

应对策略

劳动力：技能

自动化偏见与"操作者退出"导致去技能化、临床判断力下降

夯实数据素养、AI模型解读与质量保证的教育根基

劳动力：容量

疲劳与职业倦怠；服务量未达预期

多学科评估AI加速服务交付的实际能力

透明与公平

模型开发、训练、验证过程不透明，或加剧群体间差异

透明报告标准、公平性评估指标、多样化训练验证数据、可解释问责的治理框架

基础设施

IT系统陈旧、存储不足、互操作性差，构成落地"瓶颈"

厂商中立的互操作标准、安全计算环境、联邦学习、可扩展的本地或混合云架构

伦理与法律

大规模数据泄露、人群代表性不足致偏倚、责任归属不明

信息治理、临床安全与网络安全协同；共享高质量数据集；临床决策权归属医务人员

环境影响

数据中心高能耗高水耗

环境友好型设计、数据共享与可再生能源，与恪守该原则的开发方合作

在透明度问题上，声明特别强调"黑箱"模型必须在把握度充分的独立外部验证队列中接受严格评估，完整报告数据集构成、性能指标、亚组分析与失败模式。在疾病患病率低的类别不平衡场景下，单纯"准确率"可能具有误导性，精确率–召回率曲线下面积等指标更具参考价值。监管层面，美国FDA 510(k)路径不要求前瞻性临床证据，导致许多已上市AI工具获批时临床验证有限；AI致害时的责任划分目前亦无共识，亟需立法行动。

患者与公众怎么说

撰写组联合斯塔福德与斯托克心脏支持小组及利兹心血管患者公众参与（PPIE）小组开展了专题讨论与一对一访谈。患者总体支持AI用于改善诊疗，但明确传递了一个信息：AI应当增强而非取代医务人员，医患互动不可牺牲。

图3.患者与公众的核心关切：AI应增强而非取代医务人员、结果责任归属、出错怎么办、数据保密、公平可及、不增加负担及环境影响等。

其他高频关切包括：医务人员是否具备安全使用AI的培训与能力、AI能否在NHS体系内公平部署而非集中于资源丰富的大医院、患者数据的使用与存储安全，以及AI能耗带来的环境影响。

教育投入与未来方向

声明提出，医务人员需建立三类核心能力：评估AI模型准确性、可靠性与有效性的AI基础知识；数据采集、清洗、可视化与管理治理的数据分析技能；以及数据隐私、问责与偏倚相关的伦理法律素养。BSE承诺通过网络研讨会、在线学习模块和实践工作坊提供AI专项教育资源，并将在证据充分时把AI模型纳入未来指南与操作规范。

声明还展望了四项未来应用：按心腔、瓣膜或病变特征自动"堆叠"与组织图像；跨多次检查的标准化序列对比；与国家指南对齐的嵌入式审计与质量改进工具；以及在报告签发前实时标记测量与结论不一致（如报告写"中度主动脉瓣狭窄"而血流动力学参数提示重度）的智能核查。

结语：AI是超声心动图技术演进的下一个重要阶段，在提升效率、一致性与诊断支持方面潜力巨大。但要跨越创新与常规实践之间的鸿沟，必须在治理、人员准备、数据质量与公平实施上同步发力，并随证据演进定期更新立场声明，确保AI安全、透明地改善所有超声心动图服务中的患者照护。

参考文献：Bennett S, Wild C, Paton MF, et al. Artificial intelligence in echocardiography: a position statement from the British Society of Echocardiography. Echo Res Pract. 2026;13:26. DOI: 10.1186/s44156-026-00124-4.