Abstract
目的
在真实临床环境中，评估人工智能听诊替代传统双指标筛查中的人工听诊环节进行新生儿先天性心脏病早期筛查的可行性和有效性。
方法
基于浙江大学医学院附属儿童医院主导的先天性心脏病救治网络平台，回顾性纳入2020年7月至2023年3月共41 320名新生儿。所有研究对象完成脉搏血氧饱和度监测（POX）、智能听诊、人工听诊。传统筛查方案定义为“POX+人工听诊”，智能筛查方案定义为“POX+智能听诊”。两种筛查方案的阳性结果判定均为POX或相应的心音听诊（人工或智能）结果中任一项为阳性。以心脏超声检查结果为金标准，判定真阳性、假阳性、真阴性和假阴性，并计算漏诊率、灵敏度、特异度、约登指数、阳性预测值、阴性预测值及诊断准确率。为评估筛查方案在不同医疗机构中的稳定性，对筛查数排名前四的医疗机构分别进行分析。
结果
经心脏超声共确诊先天性心脏病患儿354例。总体分析显示，与传统筛查方案比较，智能筛查方案的漏诊率明显降低（分别为67.23%和34.75%，P<0.01），灵敏度（分别为32.77%和65.25%，P<0.01）、阴性预测值（分别为99.41%和99.67%，P<0.01）和约登指数上升（分别为30.04%和55.15%，P<0.01），但智能筛查方案的特异度、阳性预测值及诊断准确率均低于传统方案（均P<0.01）。在各医疗机构中，智能筛查方案均表现出漏诊率明显下降，灵敏度、阴性预测值和约登指数明显提升，同时伴随特异度、阳性预测值和诊断准确率下降的趋势，提示智能听诊在不同来源临床数据中展现稳定的性能，具有良好的鲁棒性。
结论
在多中心真实世界临床实践中，智能筛查方案能显著降低先天性心脏病筛查漏诊率，并在不同地区的医疗机构间保持稳定的筛查能力，提示其具有替代人工听诊的可行性和临床推广价值。
Keywords: 先天性心脏病, 新生儿筛查, 心脏听诊, 人工智能, 双指标筛查
Abstract
Objective
To evaluate the feasibility and effectiveness of replacing manual auscultation with artificial intelligence (AI)-assisted cardiac auscultation within the dual-indicator screening strategy for early detection of congenital heart disease (CHD) in neonates in a real-world clinical setting.
Methods
Using data from the provincial CHD treatment network led by the Children’s Hospital of Zhejiang University School of Medicine, we retrospectively enrolled 41 320 neonates born between July 2020 and March 2023. All neonates underwent pulse oximetry (POX), AI-assisted auscultation, and manual auscultation. The traditional screening strategy was defined as “POX+manual auscultation,” and the AI-assisted strategy as “POX+AI-assisted auscultation”. A positive screening result was defined as a positive finding in either POX or the corresponding auscultation method (manual or AI). Echocardiography served as the gold standard for CHD diagnosis. True positive, false positive, true negative, and false negative results were determined, and the missed-diagnosis rate, sensitivity, specificity, Youden index, positive predictive value (PPV), negative predictive value (NPV), and diagnostic accuracy were calculated. To assess the consistency of screening performance across institutions, analyses were also conducted separately in the four hospitals with the highest screening volumes.
Results
A total of 354 neonates were diagnosed with CHD by cardiac ultrasound. Compared with the traditional strategy, the intelligent strategy significantly reduced the missed-diagnosis rate (67.23% vs. 34.75%, P<0.01), increased sensitivity (32.77% vs. 65.25%, P<0.01), NPV (99.41% vs. 99.67%, P<0.01) and Youden index (30.04% vs. 55.15%, P<0.01). However, specificity, PPV, and diagnostic accuracy were lower (all P<0.01). Across the four high-volume institutions, the intelligent strategy consistently showed a significant reduction in missed-diagnosis rate and increased sensitivity, NPV and Youden index, along with decreased specificity, PPV and diagnostic accuracy, indicating robust and reproducible performance across diverse clinical settings.
Conclusion
In multicenter real-world practice, the intelligent screening strategy significantly reduces the missed-diagnosis rate of CHD and demonstrates stable screening performance across different institutions, suggesting AI-assisted auscultation is a feasible and clinically valuable alternative to manual auscultation in neonatal CHD screening.
Keywords: Congenital heart disease, Newborn screening, Cardiac auscultation, Artificial intelligence, Dual-index screening
先天性心脏病是最常见的出生缺陷之一，严重威胁儿童生命健康。全球范围内，2021年5岁以下儿童先天性心脏病患者超418万，同期先天性心脏病相关死亡约250 811例［1-2］。在中国，因先天性心脏病住院的患者人次由2022年150.8万［3］增长到2023年202.4万［4］，增长超过34%，反映先天性心脏病疾病负担依旧沉重。先天性心脏病不仅是新生儿死亡的主要原因，也是婴幼儿住院和疾病负担的重要因素［5］。早期发现和及时干预对降低先天性心脏病的致残率、病死率以及改善预后具有重要意义［6］。
多数先天性心脏病在出生早期即可影响心脏血流动力学，进而导致心脏杂音、心音减弱或额外心音等改变，特别是中、重度结构性缺陷如室间隔缺损、动脉导管未闭等，常伴有特征性心脏杂音。心脏杂音是临床上早期识别先天性心脏病的重要线索之一，因此心音听诊成为先天性心脏病早期筛查的一种重要手段。为提高先天性心脏病的早期识别率，中国自2018年起在全国范围内推广双指标筛查法，即在新生儿出生后6~72 h同时开展心脏杂音听诊和经皮POX（以下简称POX），当任一指标异常时，即被判定为筛查阳性，需转诊接受心脏超声检查进一步确诊［6］。该策略极大地提升了先天性心脏病的筛查覆盖率和初步诊断率［7］，成为中国新生儿先天性心脏病早期筛查的基本标准。然而，人工听诊在临床实践中仍面临多重挑战。首先，人工听诊对筛查者的经验依赖较大，存在主观性强、灵敏度不稳定的问题；其次，在复杂听诊场景（如心音特征微弱或杂音不典型）时，人工听诊易出现漏诊或误判；再次，当前双指标筛查缺乏统一的质量控制体系，各地实施标准、人工听诊结果记录方式和判断标准存在差异，影响筛查结果的准确性和可比性［8］。如何提升听诊的灵敏度和标准化水平成为当前筛查体系亟待解决的问题。近年来，人工智能的听诊辅助技术（即智能听诊）在医学领域迅速发展，与人工听诊比较，智能听诊具备识别能力稳定可靠等优势，并能与现有筛查体系无缝对接，为提升基层筛查能力，缓解专科资源不足的现实矛盾提供了潜在的解决方案［9］。
然而，当前适用于小儿先天性心脏病的智能听诊算法尚不够成熟，且缺乏高质量心音数据库支撑的系统性研究，严重制约其临床转化及应用。为填补这一空白，浙江大学医学院附属儿童医院构建了先天性心脏病救治网络平台，整合了浙江省多中心新生儿筛查的心音数据，为智能听诊算法的迭代优化提供临床级数据支持和真实世界验证途径。基于该平台数据，进一步开发了人工智能辅助诊断系统，通过创新性的基于心动周期的心音分割算法［10］和多维度声学特征分析，构建了先天性心脏病自动化分类模型，实现了从心音采集、特征提取到疾病筛查的全流程辅助，为核心筛查指标的质量控制提供了可行的技术支撑。为验证该智能听诊系统在先天性心脏病早期筛查中的应用潜力，本研究基于先天性心脏病救治网络平台，整合浙江省多家地级市妇幼保健院的筛查数据，开展多中心临床研究。通过系统比较传统筛查方案（POX+人工听诊）和智能筛查方案（POX+智能听诊）在真实临床环境中的漏诊率、诊断准确率等关键指标，旨在评估智能听诊在提升筛查质量、降低人为误差方面的优势，从而为先天性心脏病筛查路径的优化提供循证依据。
1. 资料与方法
1.1. 数据获取
本研究是一项基于智能听诊、双指标筛查及随访结果的回顾性队列研究，所用数据均来自浙江大学医学院附属儿童医院主导建设的先天性心脏病救治网络平台。该平台目前已覆盖浙江省内300余家不同级别的医疗机构，具有较高的区域代表性，相关数据由联网医疗机构在新生儿筛查完成后上传。
2020年7月至2023年3月纳入在此期间出生且家属知情同意，同时出生后6~72 h进行POX、智能听诊和人工听诊的新生儿。排除标准：①筛查数据缺失者；②产前已确诊的先天性心脏病患儿；③转诊上级医院未在当地医疗机构继续完成筛查流程者；④随访观察过程中失访者。根据目前全国推行的双指标筛查法（即POX+人工听诊），双指标筛查阳性者进一步行心脏超声检查，双指标筛查阴性者则通过为期1年的随访观察及家长反馈确认是否为真阴性。最终，共纳入符合标准的新生儿41 320名，具体纳排流程见图1。为评估智能听诊在不同地区医疗机构的应用效果一致性，选取筛查数前四的医院（分别为温岭市妇幼保健院、丽水市妇幼保健院、杭州市富阳区妇幼保健院、衢江区妇幼保健院）作为主要分析对象，见表1。
图1. 研究对象纳排流程图.
POX：脉搏血氧饱和度监测.
表1.
研究人群的来源及其基线特征
| 来 源 | 筛查数 | 男 性 | 筛查年龄（d） |
|---|---|---|---|
| 合计 | 41 320 | 21 712（52.55） | 1.48±0.69 |
| 温岭市妇幼保健院 | 6241 | 3265（52.32） | 1.52±0.70 |
| 丽水市妇幼保健院 | 1603 | 838（52.28） | 1.19±0.48 |
| 杭州市富阳区妇幼保健院 | 1497 | 805（53.77） | 1.48±0.69 |
| 衢江区妇幼保健院 | 925 | 464（50.16） | 1.70±0.72 |
| 其他医院 | 31 054 | 16 340（52.62） | 1.63±0.74 |
n（%）或 ±s
1.2. 筛查方法
POX由接受过统一培训的专业护理人员进行，所有测量均严格按照统一的操作规程执行。尽管参与筛查的医疗机构所用脉搏血氧仪型号不完全一致，但均经国家药品监督管理局注册、通过临床认证，并配备新生儿专用探头。测量部位选取右手和任意一侧足部，测量时持续监测2 min以上，记录稳定的最终读数（以SpO2表示）。若测得SpO2为90%~94%，则在初次检测4 h后复测。出现以下任一情况判定为POX阳性：①右手或任一侧足部测得SpO2低于90%；②右手或任一侧足部两次测得SpO2均介于90%~94%；③两次测量均显示右手与同次测量的任一侧足部SpO2差值大于3%。
智能听诊采用本团队自主研发的人工智能辅助心音分析系统。心音数据采集由经过统一培训的医务人员操作，使用智能听诊器（ChildCare G-100，上海拓萧智能科技有限公司）在新生儿胸骨左缘第2~3肋间采集持续时间不少于15 s的心音信号，并自动上传至心音分析平台。采集人员对于智能听诊结果保持盲态，只承担心音数据采集和上传任务，心音分析由平台内置的智能听诊算法完成。经智能听诊算法分析，最终输出智能听诊结果，疑似先天性心脏病的患儿判读为阳性，否则为阴性［10］。
智能听诊的心音数据上传后，由经过统一培训的医务人员进行人工听诊。听诊应在新生儿安静、体温正常的状态下进行，使用儿童专用钟型听诊器。听诊按照心尖区、肺动脉瓣区、主动脉瓣区、主动脉瓣第二听诊区、三尖瓣区的顺序依次进行，每个部位连续听诊时长不少于30 s，在任一听诊区听及Levine分级Ⅱ级或以上杂音即为阳性。
本研究中筛查均在新生儿出生后6~72 h进行。传统筛查方案为POX联合人工听诊，智能筛查方案为POX联合智能听诊。两种筛查方案的阳性结果判定均为POX或相应的心音听诊（人工或智能）结果中任一项为阳性。
1.3. 先天性心脏病诊断标准
本研究以心脏超声检查结果作为先天性心脏病诊断金标准，心脏超声诊断结果根据Ewer等［11］和Zhao等［12］的定义分类：①急危重症先天性心脏病：出生后28 d内会导致死亡或需手术治疗的先天性心脏病，如左心发育不良综合征、室间隔完整型肺动脉闭锁、大动脉转位、主动脉弓离断等；②重症先天性心脏病：所有需要在1周岁内干预但不属于急危重症先天性心脏病，如单纯法洛四联症、大型室间隔缺损、大型动脉导管未闭等；③普通型先天性心脏病：出生时存在并持续6个月以上的动脉导管未闭、肌部室间隔缺损或轻度肺动脉分支异常湍流，以及其他任何需要在6个月后定期监测或药物治疗但不属于急危重症或重症先天性心脏病；④心脏生理性变化或可疑先天性心脏病：无任何临床症状的心脏结构变化，如小型动脉导管未闭、卵圆孔未闭、房间隔缺损或轻度肺动脉分支异常湍流等，且在出生6个月后复查时已消失；⑤未见明显异常：超声心动图检查未发现明显异常。
由当地医疗机构的专科医生进行心脏超声检查，出现急危重症先天性心脏病、重症先天性心脏病和普通型先天性心脏病三类结果即判定为金标准阳性。
1.4. 统计学方法
采用Python 3.13.5软件进行数据处理和统计分析，使用的工具库有Pandas 2.2.3、SciPy 1.15.3、Statsmodels 0.14.4、Seaborn 0.13.2等。符合正态分布的计量资料以均数±标准差（ ±s）表示，组间比较采用独立样本t检验；呈偏态分布的计量资料以中位数（上下四分位数）［M（Q 1，Q 3）］表示；计数资料以例数（百分比）［n（%）］表示。为比较传统筛查方案和智能筛查方案的筛查能力，采用的诊断学指标包括漏诊率、灵敏度、特异度、阳性预测值、阴性预测值、诊断准确率、约登指数等［13］。为评估指标的稳定性，本研究对漏诊率、灵敏度、特异度、阳性预测值、阴性预测值、诊断准确率及约登指数等比例指标均计算其95%CI；所有CI均采用Wilson二项式区间方法计算，并以双侧95%CI形式呈现。对多中心漏诊率的配对差值进行Shapiro-Wilk正态性检验，若差值符合正态分布，则采用配对t检验进行组间比较；若不符合正态分布，则采用Wilcoxon符号秩检验。灵敏度、特异度、阴性预测值、阳性预测值、诊断准确率和约登指数则采用配对χ 2检验进行比较。所有检验均为双侧检验，P<0.05表示差异有统计学意义。
2. 结果
2.1. 两种筛查方案在整体样本中诊断性能比较
经心脏超声共确诊先天性心脏病患儿354例，主要病种构成为：房间隔缺损228例次，动脉导管未闭142例次，室间隔缺损125例次，法洛四联症2例次，完全性肺静脉异位引流1例次。单一POX、单一人工听诊、单一智能听诊、传统筛查方案和智能筛查方案的阳性例数分别为56例（0.14%）、1208例（2.92%）、4327例（10.47%）、1233例（2.98%）、4369例（10.57%），见表2。智能筛查方案在新生儿期初筛检出金标准阳性231例，后续123例金标准阳性通过临床随访发现；传统筛查方案初筛检出金标准阳性116例，后续238例金标准阳性依赖临床随访发现，见表3。
表2.
不同筛查方法筛查先天性心脏病阳性检出情况
| 医疗机构 | n | POX | 人工听诊 | 智能听诊 | 传统筛查方案 | 智能筛查方案 |
|---|---|---|---|---|---|---|
| 合计 | 41 320 | 56（0.14） | 1208（2.92） | 4327（10.47） | 1233（2.98） | 4369（10.57） |
| 温岭市妇幼保健院 | 6241 | 8（0.13） | 14（0.22） | 410（6.57） | 20（0.32） | 417（6.68） |
| 丽水市妇幼保健院 | 1603 | 0 | 13（0.81） | 392（24.45） | 13（0.81） | 392（24.45） |
| 杭州市富阳区妇幼保健院 | 1497 | 0 | 27（1.80） | 374（24.98） | 27（1.80） | 374（24.98） |
| 衢江区妇幼保健院 | 925 | 0 | 23（2.49） | 228（24.65） | 23（2.49） | 228（24.65） |
| 其他医院 | 31 054 | 48（0.15） | 1131（3.64） | 2923（9.41） | 1150（3.70） | 2958（9.53） |
POX：脉搏血氧饱和度监测.
n（%）
表3.
两种筛查方案筛查结果与金标准诊断结果比较（n=41 320）
| 筛查方案 | 金标准阳性 | 金标准阴性 | 合 计 |
|---|---|---|---|
| 智能筛查方案 筛查阳性 | 231 | 4138 | 4369 |
| 筛查阴性 | 123 | 36 828 | 36 951 |
| 传统筛查方案 筛查阳性 | 116 | 1117 | 1233 |
| 筛查阴性 | 238 | 39 849 | 40 087 |
n
与传统筛查方案比较，智能筛查方案的漏诊率降低（分别为67.23%和34.75%），灵敏度升高（分别为32.77%和65.25%），阴性预测值升高（分别为99.41%和99.67%），约登指数上升（分别为30.04%和55.15%），但特异度、阳性预测值和诊断准确率均降低，见表4。提示智能筛查方案降低漏诊率的同时，综合诊断效能更优，但在一定程度上降低了筛查阳性结果的可信度。
表4.
两种筛查方案在整体样本中的诊断学指标比较（n=41 320）
| 筛查方案 | 漏诊率 | 灵敏度 | 特异度 | |||
|---|---|---|---|---|---|---|
| 智能筛查方案 | 34.75（29.97~39.85）** | 65.25（60.15~70.03）** | 89.90（89.60~90.19）** | |||
| 传统筛查方案 | 67.23（62.18~71.91） | 32.77（28.09~37.82） | 97.27（97.11~97.43） | |||
| 筛查方案 | 约登指数 | 阴性预测值 | 阳性预测值 | 诊断准确率 | ||
| 智能筛查方案 | 55.15（50.18~60.12）** | 99.67（99.60~99.72）** | 5.29（4.66~5.99）** | 89.69（89.39~89.98）** | ||
| 传统筛查方案 | 30.04（25.15~34.93） | 99.41（99.33~99.48） | 9.41（7.90~11.17） | 96.72（96.54~96.89） | ||
括号中数据为95%置信区间. 与传统筛查方案比较，** P<0.01.
%
2.2. 两种筛查方案在不同医疗机构样本中诊断性能比较
在筛查数前四的医疗机构中，与传统筛查方案比较，智能筛查方案的漏诊率均降低（均P<0.01），灵敏度和阴性预测值均提升（均P<0.01），约登指数上升，特异度、阳性预测值和诊断准确率均降低（均P<0.01），见表5。结果提示智能听诊方案有效减少了疾病漏报，而且诊断性能变化趋势在不同医疗机构间保持一致，提示该方案具有稳定的泛化潜力。
表5.
两种筛查方案在不同医疗机构样本中的诊断学指标比较
| 医疗机构 | n | 筛查方案 | 漏诊率 | 灵敏度 | 特异度 | |||
|---|---|---|---|---|---|---|---|---|
| 温岭市妇幼保健院 | 6241 | 智能筛查方案 | 21.62（11.39~37.20）** | 78.38（62.80~88.61）** | 93.86（93.23~94.43）** | |||
| 传统筛查方案 | 81.08（65.80~90.52） | 18.92（9.48~34.20） | 99.79（99.64~99.88） | |||||
| 丽水市妇幼保健院 | 1603 | 智能筛查方案 | 56.52（36.81~74.37）** | 43.48（25.63~63.19）** | 75.82（73.65~77.87）** | |||
| 传统筛查方案 | 91.30（73.20~97.58） | 8.70（2.42~26.80） | 99.30（98.76~99.61） | |||||
| 杭州市富阳区妇幼保健院 | 1497 | 智能筛查方案 | 28.00（14.28~47.58）** | 72.00（52.42~85.72）** | 75.82（73.56~77.93）** | |||
| 传统筛查方案 | 84.00（65.35~93.60） | 16.00（6.40~34.65） | 98.44（97.67~98.96） | |||||
| 衢江区妇幼保健院 | 925 | 智能筛查方案 | 28.57（13.81~49.96）** | 71.43（50.04~86.19）** | 76.44（73.56~79.09）** | |||
| 传统筛查方案 | 76.19（54.91~89.37） | 23.81（10.63~45.09） | 98.01（96.87~98.74） | |||||
| 医疗机构 | n | 筛查方案 | 约登指数 | 阴性预测值 | 阳性预测值 | 诊断准确率 | ||
| 温岭市妇幼保健院 | 6241 | 智能筛查方案 | 72.24（58.96~85.52）** | 99.86（99.73~99.93）** | 7.07（4.97~9.97）** | 93.77（93.14~94.34）** | ||
| 传统筛查方案 | 18.71（6.09~31.33） | 99.52（99.31~99.66） | 35.00（18.12~56.71） | 99.31（99.07~99.49） | ||||
| 丽水市妇幼保健院 | 1603 | 智能筛查方案 | 19.30（－1.07~39.67） | 98.93（98.17~99.37）** | 2.55（1.39~4.63）** | 75.36（73.19~77.41）** | ||
| 传统筛查方案 | 8.00（－3.52~19.52） | 98.68（97.99~99.13） | 15.38（4.33~42.23） | 98.00（97.20~98.58） | ||||
| 杭州市富阳区妇幼保健院 | 1497 | 智能筛查方案 | 47.82（30.08~65.55）** | 99.38（98.72~99.70）** | 4.81（3.07~7.48）** | 75.75（73.52~77.85）** | ||
| 传统筛查方案 | 14.44（0.05~28.82） | 98.57（97.83~99.06） | 14.81（5.92~32.48） | 97.06（96.08~97.80） | ||||
| 衢江区妇幼保健院 | 925 | 智能筛查方案 | 47.87（28.35~67.39）* | 99.14（98.13~99.60）** | 6.58（4.03~10.57）** | 76.32（73.48~78.95）** | ||
| 传统筛查方案 | 21.82（3.58~40.06） | 98.23（97.14~98.91） | 21.74（9.66~41.90） | 96.32（94.91~97.36） | ||||
括号中数据为95%置信区间. 与传统筛查方案比较，* P<0.05，** P<0.01.
%
3. 讨论
先天性心脏病筛查长期采用双指标筛查策略，但人工听诊环节高度依赖临床经验，存在主观性差异，尤其在基层医疗机构中，人工听诊因培训不足往往存在较高的漏诊风险［14］，导致部分患儿错过最佳治疗时机，也增加了治疗成本和严重不良结局风险［15］。本研究基于大样本多中心数据进一步印证了这一不足：在整体样本中，传统筛查方案的灵敏度仅为32.77%，漏诊率高达67.23%，漏诊多见于普通型先天性心脏病患儿。智能筛查方案则能为不同水平的医疗机构提供相对稳定且标准化的筛查结果，有效弥补了人工听诊能力差异化带来的局限。本文资料显示，智能筛查方案在整体样本中的约登指数大幅提升，在不同医疗机构中的漏诊率均明显下降，表明其综合筛查效能更优，有助于早期识别高风险患儿，降低漏诊风险，为及时转诊和干预提供保障，从而改善预后、减少致残及死亡事件。此外，结合远程医疗技术，智能筛查还可实现心音数据的实时上传和远程判读，为基层及偏远地区医疗机构提供高水平、同质化的先天性心脏病筛查支持，促进筛查均质化，缓解专科资源分布不均等问题。
本文资料提示智能筛查的假阳性率偏高，导致诊断准确率有所下降，使得误诊风险增加。主要原因在于作为金标准的心脏超声检查，其阳性判定阈值严格，仅将急危重症先天性心脏病、重症先天性心脏病或普通型先天性心脏病三类结果纳入阳性；而智能筛查方案将部分心脏生理性变化或可疑先天性心脏病也判定为阳性，此部分轻型或亚临床病例未被纳入金标准阳性，导致假阳性率升高。此外，本文资料显示智能筛查方案漏诊先天性心脏病患儿123例，同时产生4138例假阳性，即4138例额外超声检查；传统筛查方案漏诊238例，产生1117例额外超声检查。智能筛查方案与传统筛查方案比较，减少漏诊115例，相应产生3021例额外超声检查，增加了超声检查负担。然而，考虑到先天性心脏病对新生儿健康的严重威胁，早期筛查更应优先保证灵敏度和降低漏诊风险，每一例漏诊均可能增加患儿出现严重不良结局的风险［16］。因此，本研究中采用的智能筛查方案选择相对宽松的阳性判定阈值，以确保高灵敏度。未来，随着算法迭代优化及更为庞大的心音数据库训练，可通过引入分级诊断体系、结合长期随访资料，进一步优化智能筛查的阈值选择，不断提升诊断准确率，从而实现更精准的筛查，减少不必要的医疗资源消耗。
在多中心应用过程中，各机构间智能听诊的阳性检出情况存在差异，主要与心音采集质量、预处理降噪算法不成熟相关，如新生儿哭闹、环境噪声等因素均会导致心音质量下降。尽管已实施降噪处理，但效果有限，难以抵消各中心上传心音的质量差异。为此，后续心音质量控制和信号筛选机制将进一步完善，除根据周期性及信号强度降噪外，引入更全面的心音信号特征以进一步降噪，对用于模型训练的心音数据提前进行更优的质量筛查，选取高质量心音进行训练，以降低噪声对智能筛查结果的影响，进一步提升智能筛查模型在不同场景下的稳定性与可比性。
本研究是一项基于大规模人群的真实世界研究，而非严格控制条件的随机对照试验。受限于伦理和实际医疗资源，研究存在以下局限性：第一，筛查阴性人群的判定标准。由于无法对所有传统筛查阴性的新生儿进行心脏超声检查，本研究采用“1年临床随访无异常”作为真阴性的替代标准。尽管本研究队列的确诊率（0.86%）与同期浙江省宁波市的流行病学调查数据（1.08%）［17］较为接近，提示大规模漏诊可能性较小，但仍不能完全排除部分无症状轻症患儿在随访期内未被检出，这可能导致传统筛查方案的实际漏诊风险可能被低估。经统计，在传统筛查阴性的新生儿中，智能听诊阴性例数占比为89.84%，其相对优势（漏诊率更低）依然成立。通过整合筛查阳性者的心脏超声检查结果与筛查阴性者的1年临床随访数据，本研究结果尽可能接近真实患病情况，这种设计更贴近基层医疗实际，更真实地反映了筛查策略在常规医疗环境中的效能。第二，验证偏倚的影响。遵循当时临床诊疗规范［《新生儿先天性心脏病筛查项目工作方案》（国卫妇幼儿便函〔2018〕68号）］，心脏超声检查仅对传统筛查方案阳性者实施。这意味着“智能听诊阳性但人工听诊阴性”的患儿因未进行心脏超声检查，在统计中被默认归类为金标准阴性（即假阳性）。这一设计导致了对智能筛查方案性能的保守估计：若这部分患儿接受超声检查，其中潜在的真阳性病例可能被发现，从而使智能筛查方案的假阳性数减少、真阳性数增加。因此，智能听诊在真实场景下的灵敏度和特异度可能均优于本研究的报告值。这一保守偏倚的推论进一步佐证了智能听诊作为一种高灵敏度筛查工具，在减少漏诊、保障新生儿安全方面的临床价值。
总体而言，本研究基于多中心真实世界数据的系统评估表明，与传统人工听诊联合POX方案比较，智能听诊联合POX方案明显降低了先天性心脏病漏诊率，并在不同医疗机构和筛查量级下均保持较高的诊断准确率和稳定性。智能听诊联合POX不仅可提高先天性心脏病早期发现率，降低漏诊风险，还具备在不同临床环境中推广应用的潜力，为先天性心脏病患儿早期干预及健康结局改善提供可靠的技术支撑。此外，结合远程医疗技术，智能听诊系统可实现心音数据实时上传和远程分析，可为医疗资源匮乏的偏远地区提供高水平筛查支持，有效弥补基层及不同水平医疗机构人工听诊能力差异带来的局限。
Supplementary information
本文附加文件见电子版。
Acknowledgments
本研究得到国家自然科学基金（82270309）支持. 浙江大学信息与电子工程学院潘翔教授提供技术和材料支持，浙江大学医学院附属儿童医院蒋炜、张嘉钰博士研究生和屈蓝青硕士研究生参与论文选题和设计
Acknowledgments
This study was supported by National Natural Science Foundation of China (82270309). Professor PAN Xiang from the College of Information Science & Electronic Engineering of Zhejiang University, provided technical and material support. M.D. candidates JIANG Wei and ZHANG Jiayu, along with Master’s student QU Lanqing from the Children’s Hospital of Zhejiang University School of Medicine participated in the topic selection and design
［缩略语］
脉搏血氧饱和度监测（pulse oximetry，POX）；脉搏血氧饱和度（pulse oxygen saturation，SpO2）；置信区间（confidence interval，CI）
利益冲突声明
所有作者均声明不存在利益冲突
作者贡献
张锦标、贾伟杰、张庆、傅藏藏、解春红和徐玮泽参与论文选题和设计或参与资料获取、分析或解释，起草研究论文或修改重要智力性内容. 所有作者均已阅读并认可最终稿件，并对数据的完整性和安全性负责. 具体见电子版
Conflict of Interests
The authors declare that there is no conflict of interests
医学伦理
本研究通过浙江大学医学院附属儿童医院医学伦理委员会审查（2023-IRB-0191-P-01）并符合1964年《赫尔辛基宣言》及之后的修订版或类似的伦理标准. 本研究豁免患者知情同意
Ethical Approval
All procedures performed in this study involving human participants were in accordance with the ethical standards of the Medical Ethics Committee of the Children’s Hospital of Zhejiang University School of Medicine (2023-IRB-0191-P-01), and with the 1964 Helsinki declara-tion and its later amendments or comparable ethical standards. The exemption from informed consent for this study was approved
数据可用性
本研究的相关数据可根据合理请求从通信作者（E-mail：weizexu@zju.edu.cn）处获得
Data Availability
All relevant data supporting the findings of this study can be accessed upon reasonable request from the corresponding author at weizexu@zju.edu.cn
参考文献（References）
- 1.XU J, LI Q, DENG L, et al. Global, regional, and national epidemiology of congenital heart disease in children from 1990 to 2021[J]. Front Cardiovasc Med, 2025, 12: 1522644. 10.3389/fcvm.2025.1522644 [DOI] [PMC free article] [PubMed] [Google Scholar]
- 2.DENG L, LI Q, CHENG Z. Evaluating the global, regional, and national burden of congenital heart disease in infants younger than 1 year: a 1990—2021 systematic analysis for the GBD study 2021[J]. Front Pediatr, 2025, 13: 1467914. 10.3389/fped.2025.1467914 [DOI] [PMC free article] [PubMed] [Google Scholar]
- 3.国家心血管病中心, 中国心血管健康与疾病报告编写组 . 中国心血管健康与疾病报告2023概要[J]. 中国循环杂志, 2024, 39(7): 625-660 [Google Scholar]; National Center for Cardiovascular Diseases, the Writing Committee of the Report on Cardiovascular Health . Report on cardiovascular health and diseases in China 2023: an updated summary[J]. Chinese Circulation Journal, 2024, 39(7): 625-660. (in Chinese) [Google Scholar]
- 4.国家心血管病中心, 中国心血管健康与疾病报告编写组 . 中国心血管健康与疾病报告2024概要[J]. 中国循环杂志, 2025, 40(6): 521-559. [Google Scholar]; National Center for Cardiovascular Diseases, the Writing Committee of the Report on Cardiovascular Health . Report on cardiovascular health and diseases in China 2024: an updated summary[J]. Chinese Circulation Journal, 2025, 40(6): 521-559. (in Chinese) [Google Scholar]
- 5.马于岚, 崔怡然, 田 刚, 等. 中国5岁以下儿童先天性出生缺陷的疾病负担趋势分析[J]. 中南大学学报(医学版), 2023, 48(6): 877-886. [DOI] [PMC free article] [PubMed] [Google Scholar]; MA Yulan, CUI Yiran, TIAN Gang, et al. Analysis for trends in disease burden of congenital birth defects among children under 5 years old in China[J]. Journal of Central South University (Medical Science), 2023, 48(6): 877-886. (in Chinese) [DOI] [PMC free article] [PubMed] [Google Scholar]
- 6.赵趣鸣, 黄国英. 先天性心脏病的早期发现、诊断和治疗原则[J]. 中华儿科杂志, 2024, 62(2): 190-192. [Google Scholar]; ZHAO Quming, HUANG Guoying. Early detection, diag-nosis and treatment principal of congenital heart disease[J]. Chinese Journal of Pediatrics, 2024, 62(2): 190-192. (in Chinese) [DOI] [PubMed] [Google Scholar]
- 7.汪际英, 顾 洁, 朱冬庆, 等. 银川市新生儿先天性心脏病筛查管理体系的建立及应用研究[J]. 中国妇幼健康研究, 2023, 34(9): 89-94. [Google Scholar]; WANG Jiying, GU Jie, ZHU Dongqing, et al. Estab-lishment and application of neonatal congenital heart disease screening management system of Yinchuan city[J]. Chinese Journal of Woman and Child Health Research, 2023, 34(9): 89-94. (in Chinese) [Google Scholar]
- 8.ZHAO Q M, NIU C, LIU F, et al. Accuracy of cardiac auscultation in detection of neonatal congenital heart disease by general paediatricians[J]. Cardiol Young, 2019, 29(5): 679-683. 10.1017/s1047951119000799 [DOI] [PubMed] [Google Scholar]
- 9.EJAZ H, THYYIB T, IBRAHIM A, et al. Role of arti-ficial intelligence in early detection of congenital heart diseases in neonates[J]. Front Digit Health, 2024, 5: 1345814. 10.3389/fdgth.2023.1345814 [DOI] [PMC free article] [PubMed] [Google Scholar]
- 10.XU W, YU K, YE J, et al. Automatic pediatric congenital heart disease classification based on heart sound signal[J]. Artif Intell Med, 2022, 126: 102257. 10.1016/j.artmed.2022.102257 [DOI] [PubMed] [Google Scholar]
- 11.EWER A K, MIDDLETON L J, FURMSTON A T, et al. Pulse oximetry screening for congenital heart defects in newborn infants (PulseOx): a test accuracy study[J]. Lancet, 2011, 378(9793): 785-794. 10.1016/s0140-6736(11)60753-8 [DOI] [PubMed] [Google Scholar]
- 12.ZHAO Q M, MA X J, GE X L, et al. Pulse oximetry with clinical assessment to screen for congenital heart disease in neonates in China: a prospective study[J]. Lancet, 2014, 384(9945): 747-754. 10.1016/s0140-6736(14)60198-7 [DOI] [PubMed] [Google Scholar]
- 13.HU X J, ZHAO Q M, MA X J, et al. Pulse oximetry could significantly enhance the early detection of critical congenital heart disease in neonatal intensive care units[J/OL]. Acta Paediatr, 2016, 105(11): e499-e505. 10.1111/apa.13553 [DOI] [PMC free article] [PubMed] [Google Scholar]
- 14.胡晓静, 王春宇, 张成强, 等. 新生儿先天性心脏病筛查技术的现状及智能化发展趋势[J]. 复旦学报(医学版), 2022, 49(1): 107-113. [Google Scholar]; HU Xiaojing, WANG Chunyu, ZHANG Chengqiang, et al. Current status and intelligent development trend of the screening technology for neonatal congenital heart disease[J]. Fudan University Journal of Medical Sciences, 2022, 49(1): 107-113. (in Chinese) [Google Scholar]
- 15.PETERSON C, DAWSON A, GROSSE S D, et al. Hospi-talizations, costs, and mortality among infants with critical congenital heart disease: how important is timely detection?[J]. Birth Defects Res A Clin Mol Teratol, 2013, 97(10): 664-672. 10.1002/bdra.23165 [DOI] [PMC free article] [PubMed] [Google Scholar]
- 16.JANJUA D, SINGH J, AGRAWAL A. Pulse oximetry as a screening test for congenital heart disease in newborns[J]. J Mother Child, 2022, 26(1): 1-9. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 17.卢凌亚, 程 薇, 吕兰秋. 宁波市2017—2021年儿童先心病流行特征和趋势研究[J]. 中国儿童保健杂志, 2024, 32(2): 202-207. [Google Scholar]; LU Lingya, CHENG Wei, Lanqiu LYU. Epidemiological characteristics and trends of congenital heart disease in children in Ningbo, 2017—2021[J]. Chinese Journal of Child Health Care, 2024, 32(2): 202-207. (in Chinese) [Google Scholar]
Associated Data
This section collects any data citations, data availability statements, or supplementary materials included in this article.
Supplementary Materials
本文附加文件见电子版。
Data Availability Statement
本研究的相关数据可根据合理请求从通信作者（E-mail：weizexu@zju.edu.cn）处获得
All relevant data supporting the findings of this study can be accessed upon reasonable request from the corresponding author at weizexu@zju.edu.cn