【彤心飛傳】神奇AI技術(shù)：看竇律，識(shí)房顫！

昵稱69125444 2021-05-30

展開(kāi)全文

欄目介紹

彤心飛傳是由天津醫(yī)科大學(xué)第二醫(yī)院心臟科劉彤教授和鄭州大學(xué)附屬洛陽(yáng)中心醫(yī)院心內(nèi)科谷云飛共同推出的一檔心血管前沿文獻(xiàn)速讀欄目。每期精選國(guó)際頂級(jí)期刊心血管領(lǐng)域的最新文獻(xiàn)進(jìn)行深度呈現(xiàn)，以期讓國(guó)內(nèi)相關(guān)專業(yè)人員可以同步跟蹤學(xué)科進(jìn)展，了解前沿動(dòng)態(tài)資訊，獲取最新研究結(jié)論。

心房顫動(dòng)是一種常見(jiàn)的心律失常，與卒中，心力衰竭相關(guān)，死亡風(fēng)險(xiǎn)增加2倍^[1,2]。由于普通心電圖（ECG）對(duì)于一過(guò)性心律失常檢出率低，而長(zhǎng)程監(jiān)測(cè)設(shè)備使用較為繁瑣，因此房顫的篩查面臨較大挑戰(zhàn)。臨床風(fēng)險(xiǎn)評(píng)分可用于識(shí)別高風(fēng)險(xiǎn)患者，但其預(yù)測(cè)價(jià)值有限。由于上述局限性，各個(gè)學(xué)會(huì)指南中對(duì)于房顫篩查的建議并不一致。

成本低廉，無(wú)創(chuàng)且可廣泛應(yīng)用的房顫篩查方法具有重要的診斷和治療價(jià)值。例如，多達(dá)三分之一的卒中未能發(fā)現(xiàn)病因，即所謂的隱源性栓塞（ESUS）^[3]。這些卒中很多與心房顫動(dòng)有關(guān)，但由于房顫的陣發(fā)性特點(diǎn)，部分患者無(wú)臨床癥狀，導(dǎo)致未能早期檢測(cè)^[4]。ESUS患者卒中復(fù)發(fā)的風(fēng)險(xiǎn)很高，當(dāng)記錄到心房顫動(dòng)時(shí)，抗凝治療可降低卒中復(fù)發(fā)風(fēng)險(xiǎn)，并可降低死亡率^[5,6]。然而，如果對(duì)ESUS患者進(jìn)行經(jīng)驗(yàn)性抗凝治療，無(wú)論是華法林還是直接口服抗凝藥物，均未證明有臨床獲益^[7,8]且增加出血風(fēng)險(xiǎn)^[7-9]。因此，確定是否存在心房顫動(dòng)對(duì)于指導(dǎo)此類患者的治療至關(guān)重要。

長(zhǎng)程心電監(jiān)測(cè)經(jīng)常用于篩查心房顫動(dòng)，特別是ESUS患者。主要方法包括植入式事件記錄儀和可穿戴式記錄設(shè)備^[1，2]。這些方法或具有侵入性，或使用不便，或價(jià)格昂貴，因此需要簡(jiǎn)便且成本較低的檢測(cè)方法^[10]。

越來(lái)越多的證據(jù)表明，發(fā)生心房顫動(dòng)的患者，即使其心臟結(jié)構(gòu)正常也會(huì)有導(dǎo)致心律失常發(fā)生的心房結(jié)構(gòu)性改變^[11]，這些改變可能對(duì)缺血性或栓塞性卒中的發(fā)生至關(guān)重要。既往有研究使用深度神經(jīng)網(wǎng)絡(luò)形式的機(jī)器學(xué)習(xí)來(lái)識(shí)別標(biāo)準(zhǔn)12導(dǎo)聯(lián)心電圖中的細(xì)微變化，從而確定無(wú)癥狀心室功能障礙^[12]。

那么是否可以通過(guò)訓(xùn)練神經(jīng)網(wǎng)絡(luò)（人工智能）來(lái)識(shí)別竇性心律時(shí)12導(dǎo)聯(lián)心電圖中存在的某些細(xì)微改變，從而預(yù)測(cè)患者可能具有房顫病史，或者未來(lái)可能發(fā)生房顫？剛剛發(fā)表在Lancet上的一項(xiàng)研究^[13]給出了肯定答案。

研究者開(kāi)發(fā)了一種基于神經(jīng)網(wǎng)絡(luò)的人工智能（AI）心電圖儀，用來(lái)檢測(cè)10秒鐘，標(biāo)準(zhǔn)的12導(dǎo)聯(lián)竇性心律心電圖片段是否存在發(fā)作房顫的相關(guān)特征。共納入了1993年12月31日至2017年7月21日期間在Mayo Clinic心電圖室存檔的18歲以上患者的心電圖資料。所有心電圖分為兩組，心房顫動(dòng)陽(yáng)性組為既往至少有一次心房顫動(dòng)或心房撲動(dòng)心電圖記錄的患者，心房顫動(dòng)陰性組為既往無(wú)房顫或房撲心電圖記錄，以及既往電子醫(yī)療記錄中無(wú)房顫/房撲記錄的患者。按照7：1：2的比例將所有心電圖分配到學(xué)習(xí)數(shù)據(jù)集、內(nèi)部檢驗(yàn)數(shù)據(jù)集和最終測(cè)試數(shù)據(jù)集。首先通過(guò)學(xué)習(xí)數(shù)據(jù)集來(lái)進(jìn)行心電圖相關(guān)特征的學(xué)習(xí)，應(yīng)用內(nèi)部驗(yàn)證數(shù)據(jù)集的ROC曲線下面積（AUC），用來(lái)確定各識(shí)別參數(shù)的選擇，最終用測(cè)試數(shù)據(jù)集來(lái)計(jì)算房顫識(shí)別的AUC以及準(zhǔn)確度，敏感性和特異性。研究流程圖見(jiàn)圖1。

圖1 研究流程圖

共納入了180922名患者的649931份正常竇性心電圖進(jìn)行分析：454789份心電圖分配中在學(xué)習(xí)訓(xùn)練數(shù)據(jù)集中，18116例患者的64340份心電圖分配至內(nèi)部驗(yàn)證數(shù)據(jù)集中，36280例患者的130802份心電圖分配到測(cè)試數(shù)據(jù)集中。在測(cè)試數(shù)據(jù)集中有3051（8·4％）例患者確定存在心房顫動(dòng)病史。單次AI輔助心電圖識(shí)別心房顫動(dòng)的AUC為0.87（95％CI 0·86-0·88），敏感性為79·0％（77·5-80·4），特異性為79·5 ％（79·0-79·9），F(xiàn)1積分為39·2％（38·1-40·3），整體準(zhǔn)確率為79·4％（79·0-79·9）。如果每個(gè)患者在興趣窗口時(shí)間內(nèi)有多份心電圖，將多份心電圖納入檢測(cè)分析后其AUC提高至0.90（0·90-0·91），敏感性可達(dá)82·3％（80·9-83·6），特異性83·4％（83·0-83·8），F(xiàn)1積分為45·4％（44·2-46·5），整體準(zhǔn)確率為83·3％（83·0-83·7）。

圖2 AI輔助心電圖檢測(cè)對(duì)房顫預(yù)測(cè)的表現(xiàn)

圖3 AI輔助心電圖檢測(cè)對(duì)房顫預(yù)測(cè)的ROC曲線

該研究提示：AI輔助的心電圖檢測(cè)技術(shù)可以應(yīng)用竇性心律心電圖識(shí)別房顫高風(fēng)險(xiǎn)患者，此項(xiàng)技術(shù)對(duì)于心房顫動(dòng)的篩查以及不明原因卒中患者的管理具有十分重要的意義。

（參考文獻(xiàn)見(jiàn)文末）

編者后記

人工智能（AI）技術(shù)的發(fā)展日新月異，將AI技術(shù)輔助應(yīng)用于疾病的診斷是未來(lái)發(fā)展的重要方向。心房顫動(dòng)作為21世紀(jì)心血管領(lǐng)域最后的堡壘之一，在篩查、診斷和治療等方面仍需不斷研究。尤其是針對(duì)短暫發(fā)作的、無(wú)癥狀的房顫，如何進(jìn)行早期篩查是目前面臨的困境。雖然長(zhǎng)程心電記錄以及植入式事件記錄儀的出現(xiàn)對(duì)于房顫篩查具有幫助作用，但其價(jià)格以及操作的便捷性、舒適性仍存在問(wèn)題。柳葉刀雜志上的這篇AI深度自學(xué)習(xí)心電圖數(shù)據(jù)庫(kù)后利用竇律心電圖預(yù)測(cè)有無(wú)房顫的研究讓人耳目一新。因?yàn)榘l(fā)生房顫的患者其存在有早期心房的電學(xué)和解剖學(xué)的重構(gòu)，這些早期細(xì)微的重構(gòu)變化可以在心電圖上產(chǎn)生相應(yīng)的改變，就像既往的一些研究中利用P波離散度、P波寬度等等肉眼可見(jiàn)的指標(biāo)來(lái)預(yù)測(cè)房顫，不過(guò)AI技術(shù)的深度自學(xué)習(xí)功能可以幫助識(shí)別我們?nèi)庋劭床灰?jiàn)的某些心電圖變化。通過(guò)尋找這些蛛絲馬跡來(lái)預(yù)測(cè)患者是否存在房顫病史或曾經(jīng)發(fā)作過(guò)房顫，其敏感性為79·0％（77·5-80·4），特異性為79·5 ％（79·0-79·9），準(zhǔn)確率為79·4％（79·0-79·9）。尤其在有多次心電圖時(shí)可進(jìn)一步提高整體的預(yù)測(cè)敏感性、特異性和準(zhǔn)確率。未來(lái)我們可能不需要記錄到房顫發(fā)作，而只需要一個(gè)穿戴設(shè)備記錄到的竇律心電圖就能判斷有無(wú)房顫，幫助房顫篩查進(jìn)入一個(gè)全新時(shí)代！當(dāng)然，其具體識(shí)別的算法如何進(jìn)一步提升準(zhǔn)確性，如何在更大范圍人群中的到確認(rèn)，需要更大范圍的研究來(lái)支持?？傊?，AI輔助診斷房顫時(shí)代已然到來(lái)，期待未來(lái)精彩的表現(xiàn)。

專家簡(jiǎn)介

劉彤，天津醫(yī)科大學(xué)第二醫(yī)院心臟科主任醫(yī)師，教授，科研科科長(zhǎng)，天津心臟病學(xué)研究所心房顫動(dòng)診療中心副主任，天津市131創(chuàng)新型人才（第一層次），首批天津市醫(yī)學(xué)津門(mén)英才。醫(yī)學(xué)博士/博士后（美國(guó)Cedars-Sinai醫(yī)學(xué)中心），天津醫(yī)科大學(xué)博士生導(dǎo)師。主要從事心臟起搏與射頻消融、心房顫動(dòng)、腫瘤心臟病學(xué)的基礎(chǔ)和臨床研究。

現(xiàn)任中華醫(yī)學(xué)會(huì)心臟起搏與電生理分會(huì)委員，中華醫(yī)學(xué)會(huì)心血管病分會(huì)青年委員，中華醫(yī)學(xué)會(huì)科研管理分會(huì)青年委員，國(guó)際心電學(xué)會(huì)（ISE）青年委員，中華醫(yī)學(xué)會(huì)心臟起搏與電生理分會(huì)&中國(guó)醫(yī)師協(xié)會(huì)心律學(xué)專業(yè)委員會(huì)中青年電生理工作委員會(huì)副主任委員，中國(guó)心律學(xué)會(huì)青年委員，中國(guó)心電學(xué)會(huì)委員，中國(guó)醫(yī)師協(xié)會(huì)心力衰竭專業(yè)委員會(huì)青年委員會(huì)常務(wù)委員，中國(guó)抗癌協(xié)會(huì)第一屆整合腫瘤心臟病學(xué)分會(huì)常務(wù)委員。《CardiovascularDiagnosis and Therapy》（SCI）編委，《Front Physiol》（SCI）編委，《Cardiol Res Pract》（SCI）特刊編委，《中華心律失常學(xué)雜志》通訊編委，《中華老年心腦血管病雜志》編委，《中國(guó)心血管病研究》青年編委會(huì)副主任委員。

承擔(dān)國(guó)家自然科學(xué)基金項(xiàng)目3項(xiàng)，承擔(dān)天津市自然科學(xué)基金重點(diǎn)項(xiàng)目1項(xiàng)，參與國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)，獲天津市科技進(jìn)步獎(jiǎng)3項(xiàng)，在JACC、Stroke、Cardiovasc Diabetol、Heart、JAHA、Circulation AE、Europace、Heart Rhythm等SCI雜志發(fā)表第一作者及通訊作者文章90余篇，總引用次數(shù)2424次。

谷云飛，鄭州大學(xué)附屬洛陽(yáng)中心醫(yī)院心內(nèi)科副主任，副主任醫(yī)師，現(xiàn)任中華醫(yī)學(xué)會(huì)心電生理與起搏分會(huì)&中國(guó)醫(yī)師協(xié)會(huì)心律學(xué)專委會(huì)中青年電生理工作委員會(huì)委員，中國(guó)醫(yī)師協(xié)會(huì)心臟重癥委員會(huì)青年委員、中國(guó)老年保健醫(yī)學(xué)研究會(huì)老年心血管分會(huì)青年常務(wù)委員、中國(guó)醫(yī)促會(huì)心律與心電分全國(guó)委員、海醫(yī)會(huì)心臟重癥委員會(huì)河南分會(huì)秘書(shū)、河南省心電生理與起搏分會(huì)射頻消融學(xué)組委員、河南省生物醫(yī)學(xué)工程學(xué)會(huì)介入分會(huì)委員、河南省卒中學(xué)會(huì)心律失常房顫委員會(huì)委員，河南省房顫中心聯(lián)盟秘書(shū)，洛陽(yáng)市醫(yī)學(xué)會(huì)心血管病分會(huì)秘書(shū)，《實(shí)用心電學(xué)雜志》、《中國(guó)循證心血管醫(yī)學(xué)雜志》、《醫(yī)師在線》雜志編委，洛陽(yáng)心臟網(wǎng)、循環(huán)在線微信公眾平臺(tái)主編。2015年獲河南省青年心電圖大賽一等獎(jiǎng)，發(fā)表各類論文20余篇，參譯專著2部，參編專著1部。擅長(zhǎng)心律失常的診斷治療、疑難心電圖分析，主攻心內(nèi)科的臨床電生理檢查、射頻消融及永久起搏器植入。

參考文獻(xiàn)（上下滑動(dòng)可查看全部參考文獻(xiàn)）

1 Sanna T, Diener HC, Passman RS,et al. Cryptogenic stroke and underlying atrial fibrillation. N Engl J Med 2014;370: 2478–86.
2 Gladstone DJ, Spring M, Dorian P, et al. Atrial fbrillation in patients withcryptogenic stroke. N Engl J Med 2014; 370: 2467–77.
3 Hart RG, Diener HC, Coutts SB, et al. Embolic strokes of undetermined source:the case for a new clinical construct. Lancet Neurol 2014; 13: 429–38.
4 Martin DT, Bersohn MM, Waldo AL, et al. Randomized trial of atrial arrhythmiamonitoring to guide anticoagulation in patients with implanted defbrillator andcardiac resynchronization devices. Eur Heart J 2015; 36: 1660–68.
5 Sei?ge DJ, Werring DJ, Paciaroni M, et al. Timing of anticoagulation afterrecent ischaemic stroke in patients with atrial fbrillation. Lancet Neurol 2019;18: 117–26.
6 Lip GYH, Banerjee A, Boriani G, et al. Antithrombotic therapy for atrialfbrillation: CHEST guideline and expert panel report. Chest 2018; 154:1121–201.
7 Hart RG, Sharma M, Mundl H, et al. Rivaroxaban for stroke prevention afterembolic stroke of undetermined source. N Engl J Med 2018; 378: 2191–201.
8 Mohr JP, Thompson JL, Lazar RM, et al. A comparison of warfarin and aspirinfor the prevention of recurrent ischemic stroke. N Engl J Med 2001; 345:1444–51.
9 Chimowitz MI, Lynn MJ, Howlett-Smith H, et al. Comparison of warfarin andaspirin for symptomatic intracranial arterial stenosis. N Engl J Med 2005;352: 1305–16.
10 Seet RC, Friedman PA, Rabinstein AA. Prolonged rhythm monitoring for thedetection of occult paroxysmal atrial fibrillation in ischemic stroke ofunknown cause. Circulation 2011; 124: 477–86.

11 Kottkamp H. Human atrialfbrillation substrate: towards a specifc fbrotic atrial cardiomyopathy. EurHeart J 2013; 34: 2731–38.
12 Attia ZI, Kapa S, Lopez-Jimenez F, et al. Screening for cardiac contractiledysfunction using an artifcial intelligence-enabled electrocardiogram. NatureMed 2019; 25: 70–74.

13Attia ZI, Noseworthy PA, Lopez-Jimenez F, et al.An artificial intelligence-enabled ECG algorithm for the identification ofpatients with atrial fibrillation during sinus rhythm: a retrospective analysisof outcome prediction.Lancet. 2019 Aug 1. pii:S0140-6736(19)31721-0. doi: 10.1016/S0140-6736(19)31721-0. [Epub ahead ofprint]

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自：昵稱69125444 > 《臨床研究》

舉報(bào)/認(rèn)領(lǐng)