Although artificial intelligence (AI) algorithms have been shown to be capable of identifying cardiac dysfunction, defined as ejection fraction (EF) ≤ 40%, from 12-lead electrocardiograms (ECGs), identification of cardiac dysfunction using the single-lead ECG of a smartwatch has yet to be tested. In the present study, a prospective study in which patients of Mayo Clinic were invited by email to download a Mayo Clinic iPhone application that sends watch ECGs to a secure data platform, we examined patient engagement with the study app and the diagnostic utility of the ECGs. We digitally enrolled 2,454 unique patients (mean age 53 ± 15 years, 56% female) from 46 US states and 11 countries, who sent 125,610 ECGs to the data platform between August 2021 and February 2022; 421 participants had at least one watch-classified sinus rhythm ECG within 30 d of an echocardiogram, of whom 16 (3.8%) had an EF ≤ 40%. The AI algorithm detected patients with low EF with an area under the curve of 0.885 (95% confidence interval 0.823–0.946) and 0.881 (0.815–0.947), using the mean prediction within a 30-d window or the closest ECG relative to the echocardiogram that determined the EF, respectively. These findings indicate that consumer watch ECGs, acquired in nonclinical environments, can be used to identify patients with cardiac dysfunction, a potentially life-threatening and often asymptomatic condition.

尽管人工智能 (AI) 算法已被证明能够从 12 导联心电图 (ECG) 中识别心功能障碍，定义为射血分数 (EF) ≤ 40%，但使用单导联心电图识别心功能障碍智能手表尚未经过测试。在本研究中，一项前瞻性研究通过电子邮件邀请 Mayo Clinic 的患者下载 Mayo Clinic iPhone 应用程序，该应用程序将手表心电图发送到安全数据平台，我们检查了患者对研究应用程序的参与度以及心电图的诊断效用. 我们以数字方式招募了来自美国 46 个州和 11 个国家的 2,454 名独特患者（平均年龄 53 ± 15 岁，56% 为女性），他们在 2021 年 8 月至 2022 年 2 月期间向数据平台发送了 125,610 份心电图；421 名参与者在超声心动图的 30 天内至少有一次手表分类的窦性心律心电图，其中 16 名 (3.8%) 的 EF ≤ 40%。人工智能算法使用 30 天窗口内的平均预测或最接近的心电图检测到曲线下面积为 0.885（95% 置信区间 0.823-0.946）和 0.881（0.815-0.947）的低 EF 患者分别确定 EF 的超声心动图。这些发现表明，在非临床环境中采集的消费者手表心电图可用于识别心功能不全患者，这是一种可能危及生命且通常无症状的疾病。分别使用 30 天窗口内的平均预测或与确定 EF 的超声心动图最接近的 ECG。这些发现表明，在非临床环境中采集的消费者手表心电图可用于识别心功能不全患者，这是一种可能危及生命且通常无症状的疾病。分别使用 30 天窗口内的平均预测或与确定 EF 的超声心动图最接近的 ECG。这些发现表明，在非临床环境中采集的消费者手表心电图可用于识别心功能不全患者，这是一种可能危及生命且通常无症状的疾病。