Yale 구조적 심장질환 AI, 휴대용 ECG의 새로운 스크리닝 역할 발견

Yale 연구진은 597명의 환자를 대상으로 구조적 심장질환 AI 모델을 시험해 유망하지만 중요한 한계를 지닌 결과를 확인했다. 휴대용 단일 유도 심전도에서 얻은 30초 기록은 86.7%의 민감도로 중증 질환 식별에 도움이 됐다. 그러나 양성 결과 대부분은 확인된 중증 구조적 심장질환을 의미하지 않았다.

이러한 긴장 관계가 이 기술의 실질적 가치를 규정한다. 이 시스템은 심장의 구조와 기능을 초음파로 검사하는 심초음파를 대체하는 주머니형 도구가 아니다. 대신 더 많은 자원이 필요한 검사를 받을 사람을 결정하는 잠재적 분류 단계다.

이 결과는 Yale New Haven Hospital에서 수행된 전향적 평가인 ACCESS-SHD 연구에서 나왔다. 연구 프리프린트는 2026년 9월 게시됐으며 아직 동료 심사를 완료하지 않았다. 따라서 가장 강한 주장은 자동 진단보다 더 제한적이다. 휴대용 AI 분석이 표적 심장 영상 검사를 더 효율적으로 만들 수 있다는 것이다.

의료 AI가 후향적 데이터베이스에서 실제 임상 워크플로로 이동하면서 이러한 구분은 중요해진다. 모델은 통계적으로 우수한 성능을 보이면서도 전문가 검토가 필요한 많은 경고를 생성할 수 있다. 병원, 임상의, 기기 개발자에게 다음 질문은 알고리즘이 신호를 감지할 수 있는지 여부가 아니다. 그 신호에 따라 행동하는 것이 감당하기 어려운 검사 부담을 만들지 않고 치료를 개선하는지 여부다.

Yale 구조적 심장질환 AI가 실제로 감지한 것

이 모델은 일상적인 휴대용 ECG를 최종 진단이 아닌 심각한 구조적 이상을 위한 스크리닝 신호로 전환했다.

구조적 심장질환은 심장 근육, 심장방, 또는 판막과 관련된 이상을 의미한다. 이러한 질환은 부정맥과 다르지만, 둘 다 심장의 전기 활동에 패턴을 남길 수 있다.

Yale 연구는 중증 구조적 심장질환의 복합 범주에 초점을 맞췄다. 여기에는 좌심실 수축기 기능장애, 중증 좌측 판막질환, 중증 좌심실 비대가 포함됐다. 이러한 질환은 심장이 혈액을 얼마나 효과적으로 펌프하는지 또는 혈액이 심장을 통해 어떻게 이동하는지에 영향을 미친다.

연구진은 2024년 6월부터 2025년 1월까지 Yale New Haven Hospital에서 외래 경흉부 심초음파 검사를 받는 성인을 등록했다. 심초음파는 이미 각 참여자의 일상 진료 과정에서 처방된 검사였다.

방문 중 각 참여자는 AliveCor KardiaMobile 6L 기기를 사용해 30초간 단일 유도 ECG를 기록했다. 이 제품은 여러 유도를 기록할 수 있지만, 연구에서는 한 유도에서 얻은 정보만 평가했다. 생성된 파형은 실시간으로 잡음에 적응한 딥러닝 모델을 통해 처리됐다.

연구진은 이후 AI 출력을 심초음파 결과와 비교했다. 이 설계는 중증 구조적 질환 존재 여부를 판단하기 위한 공인된 영상 기준을 연구팀에 제공했다.

597명의 참여자 가운데 30명에게 중증 구조적 심장질환이 있었다. 이는 연구 집단의 5.1%에 해당했다. 참여자의 중앙 연령은 61.7세였고, 여성 비율은 51.4%였다.

AI 모델은 수신자 조작 특성 곡선 아래 면적(AUROC) 0.872를 기록했다. AUROC는 다양한 분류 임계값에서 모델이 질환이 있는 사람과 없는 사람을 얼마나 잘 구분하는지 측정한다. 1은 완벽한 판별을 의미하며, 0.5는 무작위 분류와 유사하다.

연구에서 선택한 임계값에서 민감도는 86.7%, 특이도는 72.5%였다. 민감도는 시스템이 중증 질환이 있는 참여자를 얼마나 자주 식별했는지를 나타낸다. 특이도는 질환이 없는 참여자를 얼마나 자주 정확히 분류했는지를 나타낸다.

이 수치는 모델이 확진보다 분류에 더 적합하다는 점을 보여준다. 스크리닝 시스템은 심각한 사례를 가능한 한 적게 놓쳐야 한다. 그러나 잘못 표시된 사람을 위한 추적 경로도 필요하다.

모델의 99% 음성 예측도는 특히 주목할 만했다. 이 연구 집단 내에서 음성 결과는 중증 구조적 질환이 없다는 것과 강하게 연관됐다. 다만 예측도는 유병률에 따라 변하기 때문에, 이것이 모든 집단에서 이 도구가 안전하게 질환을 배제할 수 있음을 의미하지는 않는다.

양성 예측도는 14.4%에 불과했다. 실질적으로 AI 양성 결과를 받은 참여자 대부분은 연구 정의상 중증 구조적 심장질환이 없었다. 따라서 양성 출력은 진단이 아니라 추가 조사가 필요한 이유로 남았다.

지금 휴대용 ECG 심장 스크리닝이 중요한 이유

이 기회는 심장 영상 검사보다 저렴하고 배치하기 쉬운 장비에 새로운 분석 기능을 더하는 데서 나온다.

표준 ECG는 심장이 생성하는 전기 신호를 측정한다. 임상의는 이를 일반적으로 리듬 문제, 전도 이상, 그리고 다른 심혈관 질환과 관련된 징후를 식별하는 데 사용한다.

심초음파는 다른 질문에 답한다. 초음파를 이용해 심장의 방, 판막, 벽 두께, 펌프 기능을 보여준다. 일반적으로 더 많은 장비, 숙련된 검사 수행, 그리고 전문가 해석이 필요하다.

구조적 질환은 증상이 뚜렷해지기 전까지 발견되지 않을 수 있다. 일부 환자는 질환이 진행되거나 합병증을 일으킨 뒤에야 진료를 받는다. 잠재적 위험군 모두에게 영상 검사를 시행하면 상당한 임상 역량이 소모되므로 광범위한 심초음파 스크리닝은 어렵다.

휴대용 ECG 심장 스크리닝은 또 다른 경로를 제공한다. 짧은 기록은 진료소, 지역사회 거점, 또는 영상 검사 접근성이 제한된 다른 환경에서 수집할 수 있다. 이후 알고리즘은 환자가 확진 검사를 받아야 하는지를 추정할 수 있다.

이 접근법은 미묘한 생물학적 전제에 의존한다. 구조적 이상은 그 패턴이 사람 판독자에게 명확하지 않더라도 신체 표면에서 기록되는 전기적 패턴을 바꿀 수 있다. 딥러닝은 질환 레이블과 연관된 파형 특징의 조합을 탐색할 수 있다.

ACCESS-SHD 모델은 휴대용 신호에서 발견되는 잡음에 맞게 조정됐다. 웨어러블 및 휴대용 기록은 신중하게 획득한 임상 ECG와 다르기 때문에 이는 중요한 기술적 선택이다. 움직임, 가변적인 접촉, 기기 간 차이는 모두 파형에 영향을 줄 수 있다.

연구는 또한 AI 분석을 휴대용 기기의 기본 해석과 비교했다. 이 내장 판독은 주로 리듬 정보를 다룬다. 연구의 근육 및 판막 질환 복합 범주를 스크리닝하도록 설계된 것은 아니다.

AI 시스템은 기본 해석보다 민감도를 34.6%포인트 높였다. 기기가 정상으로 분류한 파형 가운데서도 모델은 76.9%의 민감도와 80%의 특이도를 유지했다.

이 비교는 제안된 변화를 보여준다. 하드웨어는 이미 전기 신호를 기록하지만, AI는 그 신호에 추가적인 임상 목적을 부여한다. 워크플로는 리듬이 비정상으로 보이는지만 묻는 대신, 파형에 구조적 질환과 연관된 증거가 포함됐는지도 함께 묻는다.

Yale의 ID-SHD 연구는 이처럼 더 넓은 개념을 중심으로 설계됐다. 이 연구는 심초음파를 기준 검사로 삼아 휴대용 기기와 스마트워치로 얻은 ECG의 AI 분석을 평가한다.

이 경로는 전문의를 대체하는 것과는 다르다. 휴대용 기기가 부담이 적은 신호를 수집하고, 모델이 위험도를 분류하며, 임상의가 영상 검사가 필요한지 결정한다. 가치는 제한된 진단 자원을 배분하는 데 있으며, 이를 없애는 데 있지 않다.

AI ECG 스크리닝은 전수 영상 검사와 경쟁한다

핵심 경쟁은 발견되지 않은 심장 이상을 지녔을 수 있는 모든 사람에게 영상 검사를 시행하는 것과 표적 분류 사이에 있다.

심초음파는 ECG 모델이 추론만 하는 구조를 보여주기 때문에 이 워크플로에서 결정적인 도구로 남아 있다. AI 모델은 손상된 판막, 두꺼워진 심실벽, 또는 감소한 심장 근육 운동을 직접 보지 못한다.

이는 상충 관계를 만든다. 더 많은 사람을 영상 검사하면 더 많은 질환을 발견할 수 있지만, 장비, 일정 조정, 숙련 인력, 해석 시간이 필요하다. 더 적은 사람을 스크리닝하면 이런 부담은 줄지만, 질환이 약하거나 비전형적인 전기 신호를 만드는 환자를 놓칠 위험이 있다.

Yale 구조적 심장질환 AI는 선택 단계를 개선하려 한다. 연구진은 통상 진료에서 연구 집단 내 한 사례를 식별하려면 19.7명을 검사해야 한다고 계산했다. AI 유도 전략은 검사 필요 인원을 6.9명으로 줄였다.

프리프린트에 따르면 이는 64.8% 감소였다. 이 계산은 더 집중된 의뢰 집단을 시사하지만, 더 나은 환자 결과를 입증하지는 않는다. 관찰된 양성 예측도를 바탕으로 스크리닝 효율을 모델링한 것이다.

효율성과 결과 근거의 차이는 핵심적이다. 병원은 발견 사례당 심초음파 처방을 줄일 수 있지만, 다른 곳에서 새로운 비용에 직면할 수 있다. 직원은 경고를 설명하고, 추적 관찰을 조정하며, 불확정 결과를 관리하고, 영상 검사를 완료하지 않은 환자를 모니터링해야 한다.

위양성도 결과를 초래한다. 이는 불안을 유발하고 추가 진료를 만들어낼 수 있다. 의뢰 경로에 따라 업무가 줄어들기보다 이동할 수도 있다.

위음성은 더 심각한 임상적 위험을 초래한다. 보고된 민감도는 모델이 중증 질환이 있는 모든 참여자에게 경고하지는 않았음을 의미한다. 증상이나 진찰 소견이 여전히 우려스러운 경우, 어떤 스크리닝 프로그램도 음성 알고리즘 출력을 임상 판단의 대체물로 취급할 수 없다.

연구 집단은 또 다른 제약을 더한다. 참여자들은 이미 외래 심초음파 검사가 예정돼 있었기 때문에 일반 대중의 무작위 표본이 아니었다. 이들의 기저 위험과 임상 특성은 약국, 직장, 또는 광범위한 지역사회 스크리닝에서 만나는 사람들과 다를 가능성이 높다.

이는 양성 및 음성 예측도 모두 질환 유병률에 의존하기 때문에 중요하다. 더 낮은 위험 집단에서는 같은 모델이라도 전체 양성 경고 중 진양성의 비율이 더 낮아질 수 있다.

연구진은 검토한 하위 집단 전반에서 비슷한 성능을 보고했다. 그럼에도 총 중증 사례가 30건에 불과해 더 좁은 인구통계학적 또는 임상 집단의 성능을 얼마나 정확히 추정할 수 있는지는 제한된다. 민감도의 신뢰구간은 70.3%에서 94.7%까지였다.

따라서 이 모델은 심장 전문의나 심초음파 검사실을 과정에서 배제하지 않는다. 대신 보건 시스템에 누가 이러한 서비스에 도달하는지, 의뢰의 우선순위를 어떻게 정할지를 재고하도록 압박한다.

성공적인 배치는 그렇지 않으면 진단받지 못할 환자가 확진 검사를 더 쉽게 받도록 만들 것이다. 실패한 배치는 충분한 영상 검사 역량, 임상 맥락, 또는 후속 조치 없이 알고리즘 경고 대기열을 만들어낼 것이다.

모델의 가장 좋은 수치는 오해하기도 쉽다

99% 음성 예측도는 확정적으로 들리지만, 이는 이 연구의 집단을 반영할 뿐 보편적인 안전성을 입증할 수는 없다.

음성 예측도는 특정한 질문에 답한다. 음성 결과를 받은 사람 중 목표 질환이 없었던 사람의 비율은 얼마인가? 이는 검사 집단에서 질환이 더 흔해지거나 덜 흔해질 때 달라진다.

중증 구조적 질환이 있었던 참여자가 30명에 불과했기 때문에, 코호트의 대부분은 해당 질환이 없었다. 이러한 낮은 유병률은 높은 음성 예측도에 기여한다. 이 수치는 여전히 유용하지만, 모든 진료 환경에 그대로 적용할 수는 없다.

양성 예측도는 같은 방정식의 다른 측면을 보여준다. 14.4%라는 결과는 연구 정의상 양성 경보 6건 중 1건 미만만이 중증 질환에 해당했다는 뜻이다.

그렇다고 모델이 효과가 없다는 의미는 아니다. 선별검사는 흔히 민감도를 우선하고 위양성을 감수하는데, 확진 검사가 최종 판단을 내리기 때문이다. 다만 후속 시스템은 이러한 현실을 전제로 설계돼야 한다.

결과는 임계값을 어떻게 설정했는지에도 좌우된다. 일반적으로 분류 임계값을 낮추면 더 많은 사례를 포착하지만 질환이 없는 사람도 더 많이 표시된다. 임계값을 높이면 오경보는 줄어들지만 놓치는 사례는 늘어날 수 있다.

보건 시스템은 대상 인구, 이용 가능한 영상 검사 역량, 질환 누락에 대한 허용 수준에 따라 서로 다른 임계값을 선택할 수 있다. 심장내과 클리닉에 적합한 임계값이 일차진료나 지역사회 선별검사에는 맞지 않을 수 있다.

모델의 복합 결과 지표에도 또 다른 판단이 들어간다. 여러 구조적 질환을 묶는 것은 질환별 탐지기를 따로 구축하는 것보다 더 넓은 표적을 만든다. 모든 양성 결과가 대개 심장초음파 검사라는 동일한 다음 단계로 이어지므로 선별 효율은 높아질 수 있다.

그러나 복합 지표는 차이도 감춘다. 좌심실 수축기 기능장애, 중증 판막 질환, 중증 비대는 원인과 치료, 긴급성이 서로 다르다. 단일 위험 점수만으로는 어떤 질환이 있는지 임상의에게 알려주지 못한다.

이러한 모호성은 영상 검사의 역할을 더욱 부각한다. AI ECG의 구조적 심장질환 신호는 환자의 우선순위를 정하는 데 도움이 될 수 있지만, 심장초음파 검사가 해부학적 상태를 규정하고 다음 임상 결정을 안내한다.

프리프린트라는 상태 역시 신중함이 필요한 이유다. 연구진이 방법과 결과를 검토할 수 있도록 원고는 공개 게시됐지만, 저널 동료심사를 완료하지는 않았다. 이후 수정 과정에서 분석이 명확해지거나 보고된 세부 내용 및 저자들의 결론이 달라질 수 있다.

같은 기관에서 나온 또 하나의 성능 추정치보다 중요한 것은 독립적인 재현이다. Yale 연구진은 이 접근법을 개발하고 Yale New Haven Hospital에서 평가했다. 외부 검증을 통해 이 모델이 보건 시스템, 기기, 측정 관행, 환자 집단 전반으로 얼마나 잘 이전되는지 판단해야 한다.

이 연구의 전향적 설계는 순수한 후향적 데이터베이스 분석보다 강하다. 연구진은 실제 환자 방문 중 휴대용 ECG를 기록하고 실시간 추론을 수행했다. 그러나 전향적 데이터 수집이 AI 주도 진료 경로를 대상으로 한 무작위 임상시험과 같은 것은 아니다.

모델이 치료를 결정하지는 않았다. 또한 이 연구는 선별검사가 입원, 심부전, 뇌졸중 또는 사망을 줄였는지도 보여주지 않았다. 심장초음파 소견을 기준으로 탐지 성능을 평가했다.

이러한 한계는 모든 해석의 기준이 돼야 한다. 이 연구는 선별검사 가설을 뒷받침하고 전향적 검증을 제공한다. 아직 표준 진료를 확립한 것은 아니다.

Apple Watch 결과는 기전을 강화하지만, 임상적 주장을 뒷받침하지는 않는다

관련 Yale 연구는 이 신호가 소비자 기기 전반에서도 유지될 수 있음을 시사하지만, 두 연구 모두 실제 환경의 결과 검증 이전 단계에 머물러 있다.

같은 연구 프로그램은 단일 유도 Apple Watch 기록을 활용해 잡음에 적응한 모델을 평가했다. WATCH-SHD 연구에는 Yale New Haven Hospital 심장초음파 검사실에서 분석 가능한 기록을 확보한 참가자 596명이 포함됐다.

이 연구는 참가자 30명에서 중증 구조적 질환을 보고했으며, 이는 다시 코호트의 5.1%에 해당한다. 모델은 0.841의 AUROC와 76.7%의 민감도, 83.2%의 특이도를 기록했다.

양성 예측도는 19.7%, 음성 예측도는 98.5%였다. Apple Watch 분석은 AI 기반 선별이 확인 검사 필요 건수를 식별된 사례당 60% 이상 줄일 수 있다고도 추정했다.

두 연구를 함께 보면, 기저 신호가 하나의 휴대용 기기에만 국한되지 않는다는 점을 시사한다. 두 연구 모두 30초 단일 유도 기록을 사용하고 AI 예측을 임상적으로 필요한 심장초음파 검사와 비교했다.

이러한 기기 간 증거는 기술적 기전을 뒷받침한다. 구조적 질환은 잡음 적응형 모델이 웨어러블 수준의 데이터에서 포착할 수 있는 전기적 흔적을 남기는 것으로 보인다.

그러나 이것이 소비자가 스스로 선별검사를 해야 한다는 점을 아직 입증하지는 않는다. 참가자들은 심장초음파 검사 방문 중 통제된 연구 절차 안에서 ECG를 기록했다. 데이터 전송, 모델 추론, 기준 검사는 모두 임상 환경에서 이뤄졌다.

감독되지 않은 기록에는 추가 변수가 생긴다. 사용자는 기기를 잘못 착용하거나 움직이는 중 기록할 수 있으며, 증상이 일시적으로 변한 시점에 데이터를 수집할 수도 있다. 기기마다 하드웨어, 필터, 샘플링, 신호 처리 방식도 다르다.

선별 프로그램에는 기술적으로 부적절한 파형을 처리하는 규칙이 필요하다. 증상이 없거나 정기적으로 진료하는 의사가 없는 사람에게 모델이 위험을 표시했을 때의 명확한 대응 방안도 필요하다.

규제 역시 또 하나의 경계다. 질환 탐지를 위해 ECG 데이터를 분석하는 알고리즘은 의료기기 소프트웨어로 기능할 수 있다. 임상 배포에는 연구 모델을 공개하는 것 이상의 근거와 통제가 필요하다.

Yale 팀은 이전에 심장 AI를 더 포괄적인 영상 판독으로 확장했다. PanEcho 시스템은 여러 초음파 영상을 분석하고 39개 판독 작업을 수행한다. 동료심사를 거친 PanEcho 연구는 전체 및 제한 심장초음파 검사 전반의 내부·외부 검증을 보고했다.

PanEcho와 ACCESS-SHD는 같은 파이프라인의 서로 다른 지점에 위치한다. 휴대용 ECG 모델은 영상 검사가 필요할 수 있는 사람을 식별한다. 이후 심장초음파 모델은 영상을 획득한 뒤 측정과 판독을 지원할 수 있다.

이 조합은 더 자동화된 심혈관 워크플로를 암시하지만, 각 단계에는 고유한 오류가 생길 수 있다. 모델을 연결한다고 불확실성이 사라지는 것은 아니다. 상류 단계의 위음성은 영상 검사를 막을 수 있고, 하류 단계의 판독 오류는 확진을 왜곡할 수 있다.

따라서 사람의 감독은 일시적 양보가 아니라 시스템 요건으로 남는다. 임상의는 모델 출력값을 증상, 병력, 신체 소견 및 다른 검사와 연결해야 한다.

휴대용 AI 선별검사가 확장되기 전에 필요한 일

Yale의 결과가 임상 선별 경로로 발전할지, 유망한 연구 기준점으로 남을지는 세 가지 신호가 결정할 것이다.

첫 번째 신호는 독립적인 다기관 검증이다. 원래 개발 환경 외부의 연구진이 서로 다른 휴대용 ECG 기기와 더 다양한 인구 집단에서 모델을 시험해야 한다.

설득력 있는 외부 연구는 전향적 워크플로를 보존해야 한다. 기술적 실패, 하위집단별 성능, 보정, 민감도, 특이도, 예측도를 보고해야 한다. 또한 양성 판정을 받은 환자가 심장초음파 검사를 완료하는 빈도도 기록해야 한다.

유사한 판별력을 보이는 재현 결과는 모델이 일반화 가능한 생리학적 신호를 포착한다는 주장을 강화할 것이다. 성능이 크게 하락한다면 현지 데이터, 기기 또는 임상적 선별에 대한 의존도가 더 크다는 점을 시사할 수 있다.

두 번째 신호는 임상적 유용성 시험이다. 이러한 연구는 AI 유도 경로를 기존 의뢰 관행과 비교하고 알고리즘 도입 이후 무엇이 바뀌는지 측정해야 한다.

탐지만으로는 충분하지 않다. 연구진은 심장초음파 검사까지 걸리는 시간, 확진 사례, 전문의 의뢰, 치료 변경, 환자 불안, 누락 사례 및 전체 임상 업무량을 살펴봐야 한다.

무작위 또는 신중하게 통제된 도입 연구는 이 모델이 영상 검사 서비스를 과부하시키지 않으면서 접근성을 개선하는지 보여줄 것이다. 또한 더 이른 탐지가 실제로 진료를 바꿀 만큼 충분히 일찍 이뤄지는지도 확인할 수 있다.

세 번째 신호는 규제 및 운영 경로의 명확한 정의다. 배포 가능한 제품에는 명확한 표시사항, 품질 관리, 모니터링 및 후속 조치에 대한 책임이 필요하다.

보건 시스템은 선별검사가 어디에 속할지 결정해야 한다. 일차진료 클리닉, 약국, 지역사회 행사, 심장내과 진료기관은 서로 다른 인구를 대상으로 하며 확진 검사 접근성도 다르다.

또한 누가 경보를 받을지도 결정해야 한다. 소비자에게 직접 전송하는 것은 임상의에게 전달하는 것과 다른 위험을 만든다. 양성 결과에는 잠재적 질환을 축소하지 않으면서도 불확실성을 설명하는 문구가 필요하다.

배포 후에는 지속적인 성능 모니터링이 필요하다. 환자 집단은 변하고, 기기 소프트웨어는 바뀌며, 기록 관행도 달라진다. 원래의 검증이 타당했더라도 모델 성능은 변동할 수 있다.

Yale의 구조적 심장질환 AI 연구는 이 분야를 후향적 주장 이상의 단계로 옮긴다. 연구진은 휴대용 ECG를 전향적으로 수집하고, 실시간 분석을 수행했으며, 결과를 심장초음파 검사와 비교했다.

그 한계 역시 중요한 정보를 제공한다. 목표 질환이 있던 참가자는 30명에 불과했고, 양성 예측도는 여전히 낮았으며, 연구는 개선된 건강 결과를 검증하지 않았다. 원고 역시 여전히 프리프린트다.

임상의에게 적절한 해석은 신중한 관심이다. 특히 심장초음파 검사 접근이 제한된 곳에서, 이 모델은 영상 검사를 받을 사람을 결정하는 데 도움이 될 수 있다. 증상, 진찰 소견 또는 기존의 심장 검사 필요성을 대체해서는 안 된다.

보건 시스템에 핵심적인 질문은 운영 측면이다. 휴대용 AI ECG 프로그램이 후속 관리를 감당 가능하고 공정하게 유지하면서 간과된 질환을 찾아낼 수 있을까?

기기 개발자에게 이 연구는 더 높은 근거 기준을 제시한다. 후향적 정확도는 더 이상 유일한 기준이 아니다. 실제 기록, 전향적 환자, 기기 변이, 완료된 의뢰 경로가 이제 중요하다.

휴대용 ECG 선별검사가 임상적 역할을 얻으려면 세 가지 신호가 일치해야 한다. 독립적 재현, 입증된 환자 혜택, 안전한 후속 조치 시스템이다. 그때까지 Yale의 모델은 환자 주머니 속 진단 도구가 아니라 심장초음파 검사를 위한 유망한 관문으로 이해하는 것이 가장 적절하다.