这篇写“近12年”，不是从最近的大模型热潮算起，也不是从某个心电算法发布算起。可核验起点是 openFDA 记录里的 HeartFlow FFRCT，DEN130045，decision_date 为 2014-11-26；统计到 2026-07-08，精确相差 11年7个月12天，尚未满 12 周年，所以标题写“近12年”。这条线从冠脉 CTA 的非侵入式功能评估开始，后来扩展到斑块定量、心超 AI、心电 AI、数字听诊、远程监测和院内队列告警。
我对心内科 AI 当前阶段的判断很简单：它已经过了“单点算法能不能看懂一张图、一段心电”的证明期，正在进入“能不能嵌进诊断、会诊、随访和采购验证闭环”的竞争期。
图注：HeartFlow 官方页面截图，访问时间 2026-07-08。它代表心内科 AI 最早进入产品化监管路径的一类工作流：冠脉 CTA 后处理与功能评估。
心内科为什么是医院AI的优先场景
心内科天然适合 AI，不是因为它“数据多”这么泛泛的理由，而是因为它同时具备四个条件。
第一，心内科有高频、结构化、可追踪的检查入口：冠脉 CTA、心脏超声、心电、动态心电、植入设备远程数据、可穿戴设备数据。第二，它的很多决策不是一次性读片，而是围绕胸痛、冠心病、心衰、房颤、术后随访持续推进。第三，心内科的下游动作很重：用药、介入、住院、复查、转诊，每一个动作都能形成明确的临床和运营成本。第四，心内科医生并不缺“AI结论”，真正缺的是可信的分流、可解释的定量、能回写报告的接口、以及出问题时能追责的流程。
所以，本期不把心内科 AI 写成“某个算法准确率排行榜”。更现实的看法是：心内科 AI 正在分成几类产品。冠脉 CTA 产品负责把影像转成血流、斑块和风险；心超产品负责从动态图像里找疾病线索；心电和数字听诊产品负责把长时程信号变成复核队列；远程监测产品负责把院外设备数据变成随访工作台；急性心血管平台则试图把告警、会诊和团队协同串起来。
医院真正要问的不是“这个模型准不准”，而是“它进入哪段工作流，改变谁的工作量，最后由谁签字”。
AI正在重写的不是诊断，而是决策链
心内科 AI 的工作流可以粗略分成五段。
第一段是检查前分流。胸痛患者、疑似冠心病患者、心衰疑似患者、房颤随访患者，进入院内路径前就需要判断优先级。AI 在这里的价值不是替医生诊断，而是把“谁更该先看、谁需要进一步检查”排出来。
第二段是检查中采集和质量控制。心超、心电、动态心电、CTA 都有质量问题。采集角度、运动伪影、信号噪声、心率波动、设备型号都会影响结果。AI 如果只在后处理环节出现，却不管理质量，很容易变成“看起来智能、实际不可用”的模块。
第三段是检查后定量和提示。冠脉 CTA 的狭窄、斑块负荷、FFRct，心超的射血分数、舒张功能、HFpEF 线索，心电的节律异常、房颤负荷，这些都是 AI 比较容易形成产品价值的地方。
第四段是医生复核和报告。AI 最终要进入报告系统、PACS、心电系统、超声工作站或 EMR，而不是停在一个单独网页上。没有报告回写，医生就要二次录入；没有复核队列，阳性提示就会变成新的噪音。
第五段是随访和再评估。心内科不是一次检查结束的科室。冠心病、心衰、房颤、高危斑块、植入设备患者都需要复查和管理。AI 如果能把检查结果、药物调整、复查计划和远程监测接起来，价值会明显高于单点提示。
从FFRct到多模态心血管工作流
提示：因手机排版问题，建议电脑端阅读更佳。
| 时间 | 节点 | 说明 | 意义 |
|---|---|---|---|
| 2014-11 | HeartFlow FFRCT DEN130045 | openFDA De Novo 记录 | 冠脉 CTA 功能评估进入监管产品路径 |
| 2017-06 | Cardiologs K170568 | AI 心电分析平台 | 心电信号进入 AI 预分流 |
| 2019-11 | Ultromics EchoGo Core K191171 | 心超 AI 后处理 | 心超图像 AI 产品化 |
| 2020-10 | Cleerly Labs K202280 | 冠脉 CTA 定量 | 从狭窄读片走向斑块/风险 |
| 2022-11 | EchoGo Heart Failure K222463 | 心衰状态提示 | 心超 AI 从测量走向疾病线索 |
| 2023-09 | Cleerly ISCHEMIA K231335 | 冠脉功能状态指标 | 冠脉产品继续靠近临床决策 |
| 2024-03 | Eko EMAS/ELEFT/CORE 500 | 数字听诊与低射血分数提示 | 门诊设备开始承接 AI 筛查 |
| 2025-08 | Cardiologs Holter K250569 | Holter 平台迭代 | 长程心电走向规模化复核队列 |
| 2026-07 | 当前阶段 | 产品进入报告、会诊、随访和采购验证 | 竞争重心转向工作流闭环 |
我认为这张时间轴最值得看的是：心内科 AI 的起点不是“生成式 AI”，也不是“会写病历总结”，而是更早的冠脉 CTA 功能评估。后面的心超、心电、听诊、远程监测，其实都在回答同一个问题：一个高负荷、高风险、高复诊频率的科室，怎样把检查结果转成可执行的临床队列。
产品竞争已经分成四层
第一层是冠脉 CTA 功能和斑块平台。HeartFlow 和 Cleerly 都从 CTA 出发，但前者更像功能评估和血流计算路径，后者更强调斑块定量和风险沟通。医院采购时不能简单问“谁更准”，而要问本院胸痛中心、影像科、心内科更缺哪一种输出。
第二层是心超 AI。Ultromics 这类产品不是替超声医生扫图，而是在既有心超检查后提示某些疾病线索。它的关键不是把 EF 算出来，而是能不能在 HFpEF、心脏淀粉样变等容易漏掉或转诊滞后的场景里提高识别率。
第三层是心电、听诊和远程监测。Philips Cardiologs、Eko、Implicity 都在这一层，但工作流不同。心电 AI 面对的是长时程信号和报告效率；数字听诊面对的是门诊筛查入口；远程监测面对的是设备数据和随访队列。
第四层是院内急性心血管工作流平台。Aidoc 这类平台不一定只服务心内科，但它试图做的是把影像发现、告警、团队协同和后续处置串起来。心内科如果只买单点软件，最后很容易形成多个孤岛；如果买工作流平台，又必须防止告警噪音和责任边界不清。
代表产品逐个拆解
HeartFlow：冠脉CTA从“看狭窄”走向“看功能”
HeartFlow 的代表性在于，它把冠脉 CTA 从形态学读片推进到了非侵入式功能评估。传统路径里，CTA 能告诉医生有没有狭窄、狭窄大概在哪里，但“这个狭窄到底有没有功能意义”常常还要结合负荷试验、有创造影和 FFR。HeartFlow FFRct 的产品叙事，就是用 CTA 数据做血流和生理仿真，输出血管模型和 FFRct 数值，帮助判断是否需要进一步有创评估。
这类产品对医院的价值不是“省一个医生”，而是改变胸痛和疑似冠心病患者的决策路径。它适合放在影像科和心内科之间，用于会诊、报告补充和介入前评估。它的部署难点也很明确：CTA 质量、扫描协议、上传链路、报告回写、心内科医生是否认可输出，以及本院是否愿意把它纳入胸痛中心路径。
证据边界也要说清楚。openFDA 记录能证明它有监管路径，不能自动证明每家医院的真实效果。医院选型时必须拿本院 CTA 样本做回顾性和前瞻性验证，至少看不可分析比例、报告周转时间、与后续有创检查的一致性、医生复核负荷和患者路径变化。
Cleerly：把冠脉CTA推向斑块负荷和风险沟通
图注：Cleerly 官方页面截图，访问时间 2026-07-08。页面强调 AI-powered platform 和 Coronary CT Scan Analysis，适合作为冠脉 CTA 风险分层产品入口。
Cleerly 代表的是另一条冠脉 CTA 路线：不是只回答“这一段狭窄严不严重”，而是把冠脉斑块负荷、斑块类型、低密度斑块等信息结构化，服务更早期的风险分层和患者沟通。它的临床想象空间在预防心脏病门诊、健康管理、随访和药物调整，而不只是介入前判断。
这条路线的优势是更接近长期管理。很多冠心病风险不是一次狭窄百分比能解释的，斑块负荷、斑块成分和进展速度更适合做复查和干预沟通。但它的边界也更容易被夸大：AI 斑块定量不是单独诊断，不等于自动给出治疗方案，更不能脱离患者症状、危险因素、血脂、用药和随访依从性。
对医院来说，Cleerly 这类产品更适合从两类场景试点：一类是已有冠脉 CTA 量、但报告结构化程度不足的影像-心内联合门诊；另一类是希望做冠心病早筛和随访管理的专病中心。试点指标不要只看“AI 报告数量”，还要看医生是否真正打开报告、是否改变用药或复查计划、是否减少低价值检查。
Ultromics EchoGo：心超AI的价值在疾病线索
图注：Ultromics 官方页面截图，访问时间 2026-07-08。页面显示其通过单一集成工作流支持 HFpEF 和 cardiac amyloidosis 相关 AI 洞察。
心超 AI 很容易被误解成“自动量 EF”。但 Ultromics EchoGo 更值得注意的地方，是把心超图像里的复杂模式转成疾病线索，例如 HFpEF 和心脏淀粉样变风险提示。这些场景的共同点是：患者症状常见，检查入口常见，但诊断路径容易拖延。
它进入工作流的位置通常在心超检查之后、医生报告之前或报告补充环节。AI 提示并不替代超声医生，也不替代心内科医生，而是把一部分容易被忽略的线索推到复核队列里。对医院来说，这类产品最重要的不是模型论文，而是阳性提示之后有没有明确转诊和后续检查路径。
如果没有这些路径，心超 AI 很容易变成“多一个漂亮指标”。如果有，它才可能成为心衰中心、淀粉样变门诊或疑难心肌病路径里的早筛工具。
Philips Cardiologs：长程心电先解决复核队列
图注：Cardiologs 官方入口跳转至 Philips ECG analysis 页面，访问时间 2026-07-08。它代表心电 AI 从单次心电解释走向动态心电和远程复核队列。
心电 AI 的商业价值比很多人想得更朴素：不是“AI 诊断所有心律失常”，而是把长时程心电里的大量正常片段、疑似异常片段和高优先级事件分开，让医生从海量波形里先看最该看的部分。
Philips Cardiologs 这类平台的竞争点在于高容量、低摩擦、可复核。动态心电、远程心电、院外监测越多，医生越不可能逐段人工筛查。AI 的第一价值是预分流和报告草稿，第二价值才是具体异常识别。
但心电 AI 的风险也直接：误报会增加医生负担，漏报会带来责任问题，信号质量差会让模型表现大幅波动。医院部署时要把“医生复核后阳性率”“报告周转时间”“需人工回看片段比例”“高危事件漏报复盘”设成上线指标，而不是只看厂商给出的总体敏感性。
宽表横比只能作为采购坐标
提示：因手机排版问题，建议电脑端阅读更佳。
| 产品 | 核心入口 | 输出 | 最适合场景 | 关键验证 |
|---|---|---|---|---|
| HeartFlow Analysis | 冠脉 CTA | FFRct、血管模型、功能意义 | 胸痛/疑似 CAD 功能评估 | CTA 可分析率、报告回写、与后续检查一致性 |
| Cleerly | 冠脉 CTA | 斑块负荷、风险分层 | 预防心脏病、冠脉随访 | 本院读片一致性、随访改变、患者沟通效果 |
| Ultromics EchoGo | 心超图像 | HFpEF/淀粉样变线索 | 心衰中心、疑难心肌病 | 图像质量、阳性预测值、转诊路径 |
| Philips Cardiologs | 心电/动态心电 | 节律提示、报告草稿、复核队列 | 动态心电和远程心电高容量场景 | 医生复核负荷、周转时间、误报漏报复盘 |
这张表只能当采购坐标，不能当冠军榜。因为四类产品的输入、责任链和临床动作都不同。冠脉 CTA 产品改变的是影像-心内联合决策；心超 AI 改变的是疾病线索识别；心电 AI 改变的是复核队列；远程监测平台改变的是院外随访运营。把它们放进同一个准确率表里横比，本身就是错的。
医院应该怎样判断和部署
心内科 AI 选型，我建议先问六个问题。
第一，入口数据是否稳定。CTA 扫描协议、心超采集质量、心电设备型号、动态心电信号质量、远程设备数据完整性，都会决定 AI 能不能用。不要先谈模型，先看本院数据质量。
第二，输出是否进入现有工作台。结果如果不能回写 PACS、心电系统、超声报告、EMR 或随访平台，医生就要多开一个系统。系统越多，长期使用率越低。
第三，责任边界是否清楚。AI 提示由谁看，谁确认，谁签报告，谁解释给患者，谁处理误报和漏报，必须在上线前写清楚。
第四，试点指标要贴近业务。冠脉 CTA 看可分析率和下游检查改变；心超 AI 看阳性预测值和转诊闭环；心电 AI 看复核负荷和报告周转；远程监测看告警处理时效和随访完成率。
第五，采购不能只买证书。注册证和 FDA 记录是准入证据，不是本院效果证据。医院要索取适用人群、禁忌边界、模型版本、更新机制、数据流向、网络拓扑、接口清单、异常回滚方案和本院验证方案。
第六，要设计退出机制。心内科 AI 一旦接入报告和随访，如果效果不稳定，不能靠“医生自己判断”兜底。上线前就要约定哪些指标触发暂停、回滚或重新验证。
国内代表厂家：产品边界与交付方式
提示：因手机排版问题，建议电脑端阅读更佳。
| 公司 | 具体产品/方向 | 可核验优势 | 部署方式 |
|---|---|---|---|
| 数坤科技 | 冠脉 CTA / 冠心病 AI 相关产品 | 围绕心脑血管影像形成产品线 | 未披露统一拓扑，招采时确认 PACS/院内/云边部署 |
| 科亚医疗 | 深脉分数 | 冠脉 CTA FFR 相关功能评估路径 | 未披露统一拓扑，招采时确认算力、接口、报告回写 |
| 联影智能 | uAI 心血管影像相关产品 | 与影像设备和 AI 平台协同 | 需确认设备、PACS、私有化和云边边界 |
| 推想医疗 | 心血管/胸部影像 AI 相关产品 | 影像 AI 产品化和院内交付经验 | 未披露统一拓扑，招采时确认具体证照和接口 |
| 深睿医疗 | 心脑血管/影像 AI 相关产品 | 多病种影像 AI 平台经验 | 未披露统一拓扑，招采时确认 PACS、报告系统和数据流 |
我认为国内采购最容易踩的坑，是把“厂家有心血管相关产品”误解成“可以直接进入本院心内科闭环”。招采时必须逐项索取注册证、适用部位、适用人群、接口清单、网络拓扑、数据流向、升级回滚、本院验证报告模板，以及医生端实际工作台截图。没有这些材料，产品再好，也很难从演示进入日常。
风险、证据与治理边界
心内科 AI 的风险不在概念层，而在日常运行层。
第一是适用人群漂移。胸痛中心、体检人群、疑难心衰门诊、老年多病共存患者，数据分布完全不同。厂商验证集表现不能直接迁移到本院。
第二是数据质量漂移。CTA 扫描协议、心超探头和操作者、心电设备、远程监测佩戴依从性，都会改变模型输入。上线后必须监测不可分析率和低质量样本比例。
第三是告警疲劳。心内科已经有太多提醒。AI 如果只增加提示、不减少工作量，医生会很快关闭它。
第四是责任转移。AI 报告草稿、风险提示、随访提醒如果没有明确复核人，会制造新的灰区。
第五是多系统孤岛。冠脉 CTA、心超、心电、远程监测各买一个系统，最后可能形成四个孤岛。真正的下一阶段应该是统一队列、统一复核、统一报告和统一审计。
图注：未来业务架构图。心内科 AI 的采购目标应从单点模型转向胸痛、心衰、心律失常和随访的可验证业务闭环。
图注：未来技术架构图。没有接口、版本、漂移监测、权限审计和回滚机制，AI 很难长期留在心内科工作流。
写在最后
心内科 AI 的下一阶段，不会只靠更大的模型赢。它会更像一套“心血管决策操作系统”：检查入口负责采集，AI 负责定量和分流，医生负责复核和解释，系统负责把结果回写报告、触发随访、沉淀审计。
这也是为什么本期标题问“为什么会看CTA、心超和心电还不够”。在心内科，算法如果不能进入胸痛路径、心衰门诊、动态心电复核、远程监测和患者随访，它就只是一个孤立插件。只有当它能减少无效复核、缩短报告周转、提高高危患者识别、并能在出问题时追溯责任，医院才会长期使用。
本期一句话：心内科 AI 已经走到近12年，下一场竞争不是谁更会“看一个检查”，而是谁能进入医生签字、患者随访和医院采购验证的决策闭环。
如果你是医院心内科或信息科负责人，下一次看到一个心血管 AI 产品，你会先问它的模型准确率，还是先问它能不能回写报告、形成复核队列，并在本院患者上跑出可复盘的试点指标？