AI 心電圖真的能改善醫療嗎？從 Circulation 最新 LATENT 隨機臨床試驗看醫療 AI 的臨床價值
發表日期：2026 年 11 月 11 日
 |
 |
人工智慧已廣泛應用於醫學影像、電子病歷與疾病風險預測。但在臨床醫學中，一個重要問題始終存在：模型預測得準確，是否就代表使用這個模型能夠改善患者的健康結果？
2026 年 11 月 7 日，台灣研究團隊在國際心臟醫學期刊 Circulation 發表 LATENT 隨機臨床試驗，為這個問題提供了一個值得深入討論的案例。
一、研究背景
心房顫動（atrial fibrillation, AF）可能增加缺血性中風風險。然而，部分患者的房顫呈間歇性發作，常規心電圖可能無法及時發現。
人工智慧心電圖（AI-ECG）可從竇性心律期間的心電訊號，辨識與未來心房異常相關的特徵。過去已有許多回溯性研究評估這類模型的預測能力，但真正將 AI 引進臨床流程，是否能提高具有臨床意義的疾病偵測率，仍須前瞻性驗證。
二、LATENT 臨床試驗設計
LATENT 是一項在台灣單一醫學中心執行的開放標籤、隨機對照試驗。
研究納入 14,665 位年齡 40–85 歲、過去沒有心房顫動或心房撲動病史的成人。
受試者被隨機分派至 AI-ECG 引導監測組（7,337 人）或一般照護組（7,328 人）。
AI 組利用過去一年內的竇性心律心電圖進行風險分層。被判定為高風險的患者，接受最多七天的 Holter 心電監測邀請。研究也安排年齡與性別配對的對照者接受相同監測，以降低偵測偏差。
主要終點為 90 天內新偵測的房顫、心房撲動，或預先定義的前驅心房異常，包括頻繁心房早期收縮、短陣心房早期收縮及非持續性房顫或心房撲動。
三、研究結果
|
研究結果 |
AI 組 |
一般照護組 |
|
受試者數 |
7,337 |
7,328 |
|
主要複合終點 |
0.74% |
0.48% |
|
房顫／心房撲動偵測率 |
0.3% |
0.2% |
|
180 天開始抗心律不整治療 |
2.3% |
2.4% |
主要複合終點的勝算比為 1.54（95% CI 1.01–2.37；P=0.046），達到傳統統計顯著標準。
但研究也顯示，房顫或心房撲動本身的偵測率差異並未達到統計顯著，180 天的抗心律不整藥物使用率也沒有顯著差異。
更值得注意的是，當研究者模擬將 AI 組的一個事件重新分類為非事件時，主要分析的 P 值便從 0.046 改變為 0.057，顯示結果的統計穩健性有限。
四、如何解讀這項試驗？
統計顯著不等於臨床效益
主要複合終點在 AI 組與對照組之間的絕對差異為 0.26 個百分點，約相當於每 1,000 人多偵測到 2.6 個複合事件。
這個結果雖然具備統計意義，但部分事件屬於前驅心房異常，而不是已確診的房顫。
因此，不能直接將複合事件增加解讀為中風風險獲得改善，更不能宣稱 AI 已經證明可以降低死亡率。
AI 的價值必須經過整個臨床流程驗證
本研究中，AI 組共有 84 位患者被辨識為高風險，其中只有 48 位（57.1%）實際完成進一步監測。
這提醒我們，AI 對患者的幫助不只取決於演算法本身，更取決於醫師如何處理警示、患者是否願意接受檢查，以及檢查結果是否帶來適當的治療。
即使模型具有良好的預測能力，臨床導入率、資源消耗、假陽性及患者負擔仍會影響實際價值。
五、對風濕免疫科及醫學大數據研究的啟示
這項研究雖然屬於心臟醫學，但其研究方法對風濕免疫疾病同樣重要。
目前已有許多 AI 研究嘗試預測類風濕性關節炎、僵直性脊椎炎、乾癬性關節炎及紅斑性狼瘡患者的疾病活動度、治療反應與不良事件。
然而，良好的 AUC 或預測準確率，只能回答「模型能否預測」，並不能回答「使用模型是否有助於患者」。
例如，一套 AI 模型可能成功辨識出較高風險的 RA 患者，但如果依照 AI 建議調整治療，是否真的能降低疾病復發、住院、關節破壞，或改善生活品質？這需要進一步的臨床研究。
未來可以考慮結合 TriNetX、全國性醫療資料庫及多中心電子病歷，採用 target trial emulation 比較使用與未使用 AI 輔助決策的照護策略。
但這種研究必須清楚定義 AI 實際使用的時間與方式、患者進入研究的起點、臨床決策的改變，以及可測量的病人結局，同時處理混雜偏差與時間相關偏差。
六、結論
LATENT 試驗的意義，不在於證明 AI 已經能夠預防中風，而在於研究者以隨機臨床試驗直接檢驗 AI 介入臨床照護流程後的效果。
這是醫療人工智慧發展中非常重要的一步。
未來醫學 AI 的研究重點，應逐漸從「模型有多準確」轉向「模型是否真正改善臨床決策、治療結果及患者生活」。
真正成功的醫療 AI，不是單純預測更多異常，而是能夠幫助我們提供更好的醫療。
參考文獻
Lee C-C, et al. Leveraging AI-ECG Technology for Early Notification and Tracking of AF Development (LATENT): A Randomized Controlled Trial. Circulation. Published online November 7, 2026.
DOI: https://doi.org/10.1161/CIRCULATIONAHA.126.083540
PubMed: https://pubmed.ncbi.nlm.nih.gov/42998297/
ClinicalTrials.gov: https://clinicaltrials.gov/study/NCT06847932
文章標籤： 人工智慧、醫學大數據、臨床試驗、智慧醫療、真實世界證據、精準醫療、風濕免疫科
沒有留言:
張貼留言