心脏病可采取多种形式，但某些类型的心脏病，如无症状的低射血分数，很难识别，特别是在治疗最有效的早期阶段。心电图AI引导下的低射血分数筛查试验(Eagle)开始测试，以确定利用EKG数据开发的人工智能(AI)筛查工具是否可以改进对这种情况的常规诊断。研究结果发表在
自然医学
收缩期低射血分数被定义为心脏无法在每一次跳动时收缩到至少50%的血液从其腔内流出。超声心动图可以很容易地诊断低射血分数，但是这种耗时的成像测试比12导联心电图需要更多的资源，而EKG是快速、廉价和容易获得的。利用卷积神经网络对基于人工智能的EKG算法进行了测试和开发，并在以后的研究中进行了验证。
鹰试验在明尼苏达州和威斯康星州的45个医疗机构进行，包括农村诊所、社区和学术医疗中心。总共有来自120个医疗小组的348名初级护理临床医生被随机分配到常规护理或干预。通过电子健康记录提醒干预组注意低射血分数的阳性筛查结果，促使他们要求超声心动图进行确认。
梅奥诊所心脏电生理学家彼得·诺斯沃西（PeterNoseworth，M·D·）说：“人工智能支持的心电图有助于在现实世界中诊断低射血分数的患者，方法是识别那些以前可能会从裂缝中滑过的人。”诺塞沃西博士是这项研究的资深作者。
在8个月内，22,641名成年患者在临床医生的护理下接受了心电图检查。AI阳性率为6%。接受超声心动图检查的患者所占比例总体上相似，但在筛查结果呈阳性的患者中，接受超声心动图干预的患者比例较高。
梅奥诊所心血管疾病健康研究人员、这项研究的第一作者姚晓西博士说：“AI干预总体上使低射血分数的诊断率比平时提高了32%。在AI结果呈阳性的患者中，诊断相对增加了43%。”“从绝对角度来说，每1000名接受筛查的患者中，人工智能筛查就产生了五种新诊断，即低射血分数高于常规治疗。”
“有了Eagle，电子健康记录中就有了这些信息，医护团队可以看到结果，并决定如何使用这些信息，”Noseworth博士说。“值得注意的是，随着时间的推移，我们很可能会在医学实践中看到更多的人工智能应用。我们应该想出如何使用人工智能来改善护理和健康结果，但不会给一线临床医生带来负担。”
此外，Eagle试验采用了一种积极的偏差方法来评估前五名护理团队用户和前五名AI筛选信息的非使用者。姚博士说，这种从医生那里学习和反馈的循环将展示如何改进人工智能技术在实践中的适应和应用。
鹰是第一次大规模试验证明人工智能在日常实践中的价值。低弹射分数算法是由Mayo公司开发并授权给Anumana公司的几种算法之一，该算法已获得美国食品和药物管理局(FDA)的突破称号。Anumana Inc.是一家致力于打开隐藏生物医学知识的新公司，该公司致力于早期发现和加速心脏病的治疗。低弹射分数算法之前也被批准给Eko设备公司，特别是用于外部应用于胸部的手持设备。
