目的 应用人工智能(AI)识别心电图(ECG),构建快速无创识别低钾血症模型.方法 选取2017年9月至2019年5月在南昌大学第二附属医院门诊及住院患者标准十二导联ECG和血清钾值,根据时间将采集的ECG与血清钾标本进行匹配,获得ECG-血钾数据集.笔者建立了一个深度学习模型,并随机选取ECG用以交叉验证,用来评估ECG信号筛选低钾血症的性能.结果 本研究共应用了9161对份ECG,其中,80％(7413对份)用作训练数据集,20％(1748对份)用作验证数据集.结果表现,N末端脑钠素氨基酸前体>300 pg/m l或血清镁1所对应的ECG更有可能是低钾ECG.在排除混杂因素12导联模型的验证集中,低钾识别的接受者操作特性曲线下的面积为0.796,其诊断的特异性为71.1％;而敏感性为71.4％.结论 AI识别ECG可快速无创且有效地筛选低钾血症,其准确性明显高于人工识别.