目前，AI已广泛应用于我们的生活，并在医学领域不断拓展。我们中心也在开展AI相关软件的研发工作。

在心律失常诊疗，尤其是电生理领域，AI的应用价值显著，不仅覆盖疾病预防，在治疗环节也发挥了至关重要的作用。

首先，在心律失常治疗方面，AI辅助具有至关重要的作用。

对于室性早搏的导管消融治疗，精准定位病灶是治疗的关键环节。我们近期研发了一款用于室性早搏定位的AI软件。以往经验丰富的医生可通过心电图判断病灶位置，准确率约为80%多，而我们研发的AI软件的准确率可高达99%，远超人类医生。值得一提的是，目前该软件已嵌入到微创电生理的三维标测系统，并在2025德国法兰克福心律失常大会（ 2025 FAFA）上进行了现场直播，直接指导术者开展消融操作。这对经验不足的中心而言极具价值，术者可直接依据AI提示的位置进行操作，大幅提升手术效率与精准度。在房颤领域同样如此。房颤消融的机制复杂，不同患者的触发灶与维持机制存在显著差异。借助AI技术，可通过心电图快速分析病灶位置、明确触发与维持机制，从而优化房颤消融治疗效果。

其次，在疾病预防层面，AI结合可穿戴设备（如华为手表）展现出独特优势。例如，若将患者的体重指数（BMI）、性别、年龄、血项指标及其他体检指标等输入AI系统，则可通过大数据分析实时预测房颤等疾病的发生风险，并给出针对性建议，如调整呼吸、控制血压/心率等，以预防或减少房颤风险。未来，AI必将在降低人类患病风险方面发挥重要作用。

在临床实践中，明确AI的准确度至关重要。要确保AI的准确度和患者适配性，就必须依托大数据支撑。以我们研发的AI模型为例，我们收集了500多位患者的2万多张图像，在各个系统进行匹配，并通过深度学习不断优化模型。与此同时，模型还需纳入多中心数据，以最大限度减少偏倚，从而适配不同个体的差异，提升其在临床应用中的准确性与可靠性。

一旦启用AI，临床工作者很可能会对其产生依赖，这源于AI能显著提升工作效率。例如，日常撰写文稿、幻灯片或准备演讲稿时，AI可作为“智能助手”快速生成初稿等所需内容，只需医生核查有无偏差，确认无误后即可使用。可见，AI的应用场景十分广泛，推广速度也必然较快。

然而，我们不能完全依赖AI，更不能被AI“主导”，否则会导致临床核心能力的丧失。例如，根据心电图来判断患者是否为室性早搏及早搏位置（左室或右室）等基础专业知识，医生仍需扎实掌握。不能因有了AI就忽视这些知识的学习，否则会导致自身学习能力下降，这是不可取的。

当前处于互联网信息爆炸时代，医生必须持续更新专业知识。AI可作为高效的学习辅助工具，为医生精准推送所需的专业知识，以省去医生检索知识所花费的大量时间，从而帮助临床医生快速掌握核心信息。但需要明确，AI无法提供临床经验、创新思路以及基于实践的判断，比如面对脉冲消融技术，其优劣分析需结合临床实践总结经验，而这些内容是AI无法生成的。AI的核心是学习并融合人类已总结的经验，进而得出结论。因此，我们不能完全依赖AI解决所有临床问题，实践才是检验真理的唯一标准，正如临床指南始终由人类专家制定，而非AI生成。

总体而言，在进行AI辅助时需要有一个平衡，即在提高效率的同时，又获得了知识，这样才能实现AI应用的良性发展；否则过度依赖AI，+脱离AI便无法开展临床工作，无疑是严重的误区。因此，我们既要善用AI的优势，又要坚守专业知识的学习与积累，避免核心临床能力的丧失。

未来3-5年，AI领域将迎来快速发展，其强效学习能力强将与医生的临床实践深度融合，从多个维度重塑心律失常诊疗模式：

其一，大幅提升低年资医生或基层医疗机构诊疗能力。基层医生或年轻医生经验相对不足、知识面较窄，在疾病判断中易出现漏诊或误诊。AI可凭借全方位的分析能力，为其提供精准的疾病判断、预防及诊断建议，比如提示患者可能合并的心脏疾病或其他科室疾病对心脏的影响，帮助医生拓宽诊疗思路，减少漏诊，提升基层诊疗水平。

其二，全面提升医疗机构的诊疗水平。未来3-5年，AI的快速发展必将进一步提高诊断准确率与及时性。

其三，推动诊疗模式从被动治疗向主动预防转变。AI结合可穿戴设备，可实时、全程监测患者的休息时长、运动量、用药情况、血压、心率、呼吸等数据，精准提示疾病风险，为患者提供个性化预防建议。

要加速AI技术的临床转化，学界与临床机构需为AI提供更多的病例数据。以我们中心设计的AI指导定位软件为例，目前计划开展多中心临床试验，让更多中心应用该软件，从而积累更多数据，以进一步优化模型，提升其手术指导精准度。

我们设计这款AI软件的初衷是源于临床手术中的实践需求。例如，室早的病灶位置有时很特殊，可能在心脏左侧，也可能在右侧，而左、右两侧手术需要分别穿刺动脉和静脉，操作差异大、影响也较大。如果能借助AI技术帮助医生快速精准判断室早病灶的位置，就能解决很多临床难题。

以往，对早搏位置的判断全凭医生经验，例如通过观察心电图Ⅱ、Ⅲ、aVF导联的波形是否向上，V1导联的r波还是s波幅度更大，来判断早搏位置，准确率仅能达到80%左右。为了改变这一现状，我与一位AI领域内的好友合作，将多导仪记录的心电图原始数据提取出来，进行多番匹配、调试，最终研发出了这款AI软件。

在软件刚研发出来的时候，其准确度到底如何仍未可知。恰在这时，我们遇到了一个病例，根据其心电图形态，多数有经验的临床医生认为其病灶位于右室流出道，但在实际消融过程中发现病灶位于左室流出道。用我们团队研发的AI软件进行分析时，得出的结果同样是病灶位于左侧。因此，AI软件准确度在某些方面甚至超越了人类医生。这主要是因为医生在判断室早定位时，虽然有很多文献提出的鉴别法则可以参考，但AI对图形特征的分析远比人眼敏感。它能自动快速计算出每个导联之间的波形比例，而我们医生大多只会初步观察波形振幅，很难精准计算这些数据。除此之外，AI软件还能为我们解释其判断依据，告知医生判断错误之处。相信在开展多中心研究后，这款软件能给广大医生的临床工作带来很大帮助和提升。

展望未来，AI在房颤治疗领域或可带来更大突破。目前房颤治疗，尤其是持续性房颤治疗，成功率提升难度很大，核心原因是其发病机制复杂，心电图波形混乱、细碎，很难精准找到关键的病变波形。借助AI技术，精准挖掘每个房颤患者的个体化波形特点，或可突破这一难题，并在房颤治疗领域取得突破。