李方潔

20世紀60年代計算機技術(shù)突飛猛進的發(fā)展，在不知不覺間將人類帶入大數(shù)據(jù)時代。在心電分析領(lǐng)域，以動態(tài)心電圖的問世為分水嶺，此前只能記錄短暫的“常規(guī)心電圖”，此后可以連續(xù)記錄24 h的大數(shù)據(jù)心電圖。計算機帶來的福音不止如此，動態(tài)心電圖系統(tǒng)一經(jīng)臨床應(yīng)用，就可模仿人工方法對24 h心電圖進行自動分析。直至心電散點圖的問世，又一分水嶺出現(xiàn)。心電散點圖突破了過去由計算機簡單模仿人工診斷心電圖的方法，采用對連續(xù)RR序列進行迭代作圖這一能展現(xiàn)心率系統(tǒng)非線性混沌特征的方法，將人們認識心臟節(jié)律的視野從心電波形圖拓展至相空間，使心電大數(shù)據(jù)的分析模式為之面貌一新。

1 相空間

相空間(phase space)是數(shù)學(xué)與物理學(xué)概念，是一個用以表示動力系統(tǒng)所有可能狀態(tài)的空間，系統(tǒng)每個可能的狀態(tài)都對應(yīng)于相空間的點。心臟電活動的速率和節(jié)律所形成的不是空間系統(tǒng)，而是一個時間序列，屬于動力系統(tǒng)。自從用心電圖紙上的數(shù)值表達心電活動的速率、節(jié)律以來，隨著心電記錄卷紙從心電圖機中不斷被釋放出，使人感到心電似乎是一種流動的“視覺有形之物”，而忽視了其本質(zhì)是時間序列中的“節(jié)奏”，屬于動力系統(tǒng)。相空間是表達時間序列的“虛擬空間”，心電散點圖就是將心臟電活動的時間序列表達在相空間中的方法。

相空間被定義為具有高維度。我們知道，描述一個動力系統(tǒng)的維度越高，信息損失就越少，同時意味著所需處理的信息量越大，所要求的信息處理能力也越強。因此，在實際應(yīng)用中，我們總是在掌握信息量與處理信息能力之間找尋最佳平衡點，目前臨床應(yīng)用的心電散點圖只是相空間的二維圖形，包括經(jīng)典的RR間期散點圖(Lorenz散點圖)和RR間期差值散點圖(可以理解為另一維度的Lorenz散點圖)。二者均由連續(xù)的RR間期迭代追蹤作圖而成，圖的橫、縱坐標都是RR間期。除此以外，臨床常用的還有時間RR間期散點圖。單純的時間RR間期散點圖不屬于相空間圖，而是一種線圖。圖的橫坐標是記錄的時間過程，縱坐標是對應(yīng)的實時RR間期。但現(xiàn)有的時間RR間期散點圖被制作成橫坐標能夠“自由伸縮”的圖形，當圖形被“壓縮”時有利于觀察整體，當圖形被“拉伸”或“稀釋”時有利于觀察局部細節(jié)。同時，利用逆向技術(shù)可在時間RR間期散點圖與RR間期散點圖之間自由切換，便于了解不同時段所包含的不同心律及心律失常。

上述三種作圖方法各具優(yōu)勢：RR間期散點圖側(cè)重于表現(xiàn)RR間期之間的關(guān)系，在臨床應(yīng)用較多、認識較深，是最常用的方法；RR間期差值散點圖主要表現(xiàn)相鄰RR間期差值的變化，目前觀察總結(jié)得較少，但在室上性心律失常與室性心律失常，以及二聯(lián)律、三聯(lián)律的區(qū)分方面顯示出優(yōu)勢；時間RR間期散點圖可實現(xiàn)時間與相空間散點圖的聯(lián)動，并通過對橫坐標的“伸縮”，幫助我們獲得心率的分層(不同長度的RR間期)信息，從而更快地識別不同性質(zhì)的心律和心律失常。

心電散點圖這種相空間圖是采用大數(shù)據(jù)連續(xù)RR間期迭代追蹤而成的，不僅能很好地表現(xiàn)心電系統(tǒng)的混沌特征，而且能清晰地揭示出傳統(tǒng)的動態(tài)心電圖分析方法無法揭示的某些隱含的規(guī)律。例如：心電散點圖明確顯示，心率變異性(HRV)正常的竇性心律，毫無例外地出現(xiàn)心率加快時相鄰RR間期的瞬間變化減小、心率變慢時相鄰RR間期的瞬間變化增大的現(xiàn)象；在房顫時能觀察到房室結(jié)功能不應(yīng)期及其變化；能發(fā)現(xiàn)絕大多數(shù)動態(tài)心電圖無法診斷的并行心律；能一目了然地識別伴有隱匿傳導(dǎo)的自律性增高性房早，并區(qū)分多源性房性早搏與心房顫動；能準確鑒別大多數(shù)房顫時寬QRS波的性質(zhì)；能更好地表現(xiàn)起搏心電圖的不同特征。心電散點圖在HRV分析方面也頗有獨特之處，與時域、頻域HRV分析方法相比，心電散點圖可以顯示和記錄偽差RR間期失真對分析結(jié)果所產(chǎn)生的影響，提高HRV分析的準確性。

2 奇怪吸引子

吸引子(attractor)在數(shù)學(xué)中是描述動力系統(tǒng)行為模式的相空間幾何構(gòu)形，是動力系統(tǒng)活動的相空間軌跡圖。吸引子刻畫系統(tǒng)的整體特性，反映系統(tǒng)演化過程的終極狀態(tài)，具有終極、穩(wěn)定和吸引的特性，因此系統(tǒng)的吸引子具有不可分割性；反之，不同的動力系統(tǒng)不能相互融合成同一個吸引子。在吸引子中，越靠近吸引源的內(nèi)部，吸引力越強；越遠離吸引源的外緣，吸引力越弱，像水滴凝聚或磁鐵吸引鐵砂，核心飽滿充實，邊緣光滑而虛疏。周期系統(tǒng)運行節(jié)律的吸引子相空間的維數(shù)為整數(shù)，稱為“平庸吸引子”(periodic vibration)，其內(nèi)部結(jié)構(gòu)相對簡單，邊緣相對規(guī)則；而非線性系統(tǒng)運行節(jié)律的吸引子具有分數(shù)維，稱“奇怪吸引子”(strange attractor)，其相空間結(jié)構(gòu)復(fù)雜，輪廓不規(guī)則，反映系統(tǒng)中存在混沌運動。由于動力系統(tǒng)有各自的行為模式，因此吸引子的性態(tài)(外部輪廓與內(nèi)部結(jié)構(gòu))也各不相同。心電RR間期序列屬于非線性動力系統(tǒng)，其幾何構(gòu)形為奇怪吸引子[1]。

吸引子的幾何圖形是通過對動力系統(tǒng)中的序列變量進行大量迭代計算而得到的。混沌系統(tǒng)的吸引子是相空間的高維幾何構(gòu)形。天才的法國數(shù)學(xué)家Jules Henri Poincaré提出將相空間中“立體”的吸引子“剖切”成不同的二維橫斷面(現(xiàn)稱“Poincaré截面”)來加以研究。時至今日，“Poincaré截面”仍然是研究吸引子相空間結(jié)構(gòu)的經(jīng)典方法。20世紀60年代，計算機技術(shù)問世，被稱為“混沌理論之父”的美國動力氣象學(xué)家Edward Norton Lorenz用計算機編程，繪制了氣象動力系統(tǒng)的吸引子幾何圖形，即形似一只蝴蝶的“Lorenz混沌吸引子”，并由此揭示了系統(tǒng)的混沌特征。目前，心電散點圖采用迭代算法制作的Lorenz吸引子的Poincaré截面，可以視為心電吸引子的Poincaré截面圖。

心電吸引子分為兩大類——“穩(wěn)態(tài)吸引子”和“非穩(wěn)態(tài)吸引子”。穩(wěn)態(tài)吸引子是同一起源心律的動力系統(tǒng)，最常見的是連續(xù)竇性心律；其次是各種連續(xù)異位心律，如房/室性心動過速或逸搏心律。當這些系統(tǒng)處于穩(wěn)態(tài)時，RR序列總是在自身頻率范圍內(nèi)隨時間產(chǎn)生微小的變化，其吸引子圖形分布于二維相空間圖的45°線上。穩(wěn)態(tài)吸引子的頻率范圍和形態(tài)是區(qū)分不同系統(tǒng)的標志。非穩(wěn)態(tài)吸引子是心搏從一個起源點變化為另一個起源點時產(chǎn)生的吸引子，是一個系統(tǒng)向另一系統(tǒng)過渡的吸引子，由不同系統(tǒng)的RR間期耦合而成。竇性心律伴各種異位心律或阻滯等都可產(chǎn)生非穩(wěn)態(tài)吸引子。不同的系統(tǒng)有各自的頻率范圍，當這兩個系統(tǒng)發(fā)生交替時，就會產(chǎn)生與兩者頻率相關(guān)的耦合吸引子，如竇律與早搏、逸搏耦合而成的非穩(wěn)態(tài)吸引子分別分布在圖形的近端和遠端。由于不同的系統(tǒng)隨時間變化呈現(xiàn)不同的發(fā)展趨勢，因此非穩(wěn)態(tài)吸引子不僅可以脫離45°線，還能以不同形態(tài)分布于相空間的不同位置，如由竇律間期與房早聯(lián)律間期形成的吸引子，其發(fā)展趨勢多是在相空間中形成一個與坐標軸成一定夾角θ(0>tanθ<1)的圖形；由竇律間期與室性早搏聯(lián)律間期形成的吸引子，其發(fā)展趨勢多是在相空間中形成與X軸平行的圖形。由此可見，從吸引子的角度來分析心電大數(shù)據(jù)可化繁為簡，化難為易。

3 智能化診斷模型

人工智能(artificial intelligence，AI)是近年來人們熱議的話題之一。它在醫(yī)學(xué)領(lǐng)域最杰出的應(yīng)用是圖像識別和深度學(xué)習，而這兩項重要應(yīng)用都建立在醫(yī)學(xué)影像大數(shù)據(jù)挖掘的基礎(chǔ)上。人工智能正是在大數(shù)據(jù)、互聯(lián)網(wǎng)和云計算等方法的催化作用下，一步步向我們走來。心電散點圖是將大數(shù)據(jù)心電圖轉(zhuǎn)化為“圖像”，這對擅長圖像識別的人工智能技術(shù)而言更容易識別和分析。

目前，心電散點圖作為心電大數(shù)據(jù)分析的實用方法，其在心電自動分析方面的優(yōu)勢已越來越被人們所認識并被日益廣泛地應(yīng)用于臨床。然而，它的應(yīng)用絕不僅局限于臨床診斷范疇(如更多類型心律失診斷模型的建立、復(fù)雜心律失常的診斷、非生物心臟起搏圖形的解析，以及對未知心電現(xiàn)象和心律失常的認識)，還包括應(yīng)用幾何數(shù)學(xué)原理，深入探究心臟節(jié)律規(guī)律的產(chǎn)生機制(如“幾何畫板”的應(yīng)用)。目前，幾何畫板[2]主要用于制作心律失常的心電散點圖模型。模型數(shù)據(jù)來源于對心電圖的人工診斷經(jīng)驗，將已知的某種心律失常的RR間期特征值代入幾何畫板的公式中。如多數(shù)室性早搏的RR間期序列特征是聯(lián)律間期相對固定，聯(lián)律間期與代償間期之和是竇律間期的兩倍。例如：要制作室性早搏的心電散點圖模型，只需要分別測量一次室性早搏之前竇律RR間期、聯(lián)律間期、代償間期、代償間期后的竇律間期值，并代入幾何畫板的公式中，再輸入“聯(lián)律間期相對固定”“聯(lián)律間期加代償間期是竇律間期的倍數(shù)”“倍數(shù)值是2”這些特征和特征值，就可自動繪制出與真實室性早搏極其相近的散點圖。而室性并行心律的RR間期序列特征是聯(lián)律間期不固定，其余特征與室性早搏完全一致，則只需代入這個不同特征，就可基于室性早搏模型制作出四分布“倒Y字形”的并行心律心電散點圖模型。但存在問題是，首先需要對每一種心律失常RR間期序列的特征與特征值進行定義，而這正是過去心電波形圖診斷中缺少的觀察視角。對于大部分心律失常，都無法僅根據(jù)心電波形圖上RR間期的變化做出診斷，單純依靠心電波形圖也難以推導(dǎo)出大部分心律失常的RR間期序列，因此限制了幾何畫板的應(yīng)用。與此相比，逆向技術(shù)的應(yīng)用更快地拓展了心電散點圖的診斷視野，通過心電散點圖與心電波形圖的實時對照，許多原來不甚清楚的心律失常RR間期序列及其心電生理指標，如心房顫動及房室結(jié)功能不應(yīng)期的變化[3]、并行心律[4]、心房撲動、逸搏及逸搏心律、竇性心律去未知的變化模式[5]等都一一展現(xiàn)出來。因此，利用逆向技術(shù)及多中心大數(shù)據(jù)的對照研究，掌握更多心電散點圖診斷模型，是實現(xiàn)心電智能化自動診斷的基礎(chǔ)。

人工智能促使我們的工作模式發(fā)生翻天覆地的變化，其與心電技術(shù)的結(jié)合給心電診斷帶來了嶄新的視角，并不斷取得顛覆性和突破性的進展。然而，我們必須指出，生命狀態(tài)是一個動態(tài)的非線性過程，一切都是不可逆和不可能完全重復(fù)的，人工智能很難完全脫離人的思維而獨立存在。因此，我們要清醒地認識到人工智能不可能完全替代人，要在充分發(fā)揮人的聰明才智及主觀能動性的前提下，真正運用好人工智能技術(shù)。

4 匹配可穿戴心電設(shè)備

可穿戴醫(yī)療設(shè)備也是近年來日益受到關(guān)注的新技術(shù)。這類設(shè)備的應(yīng)用使原本須在醫(yī)院進行的很多檢查項目(如血壓、血氧和血糖監(jiān)測)可以在社區(qū)衛(wèi)生服務(wù)中心或患者家中進行。而心電圖檢查由于須由專業(yè)人員診斷而無法在百姓家中完成，可穿戴心電設(shè)備的使用受到限制。目前，心電記錄雖然可在患者家中完成，但將心電信息遠程傳輸至專業(yè)的診斷中心來判讀結(jié)果是必需的。如果未來這種遠程心電診斷模式成為常態(tài)，勢必對海量心電信息的處理和診斷速度提出更高要求。傳統(tǒng)的醫(yī)療模式下，是以醫(yī)院為中心，按照醫(yī)院的接診能力接診患者；而未來的醫(yī)療模式將以患者為中心，患者在家庭中記錄的長時程心電信息可以隨時傳至醫(yī)療機構(gòu)，并要求實時診斷。因而，擅長處理大數(shù)據(jù)心電信息的心電散點圖將會大有用武之地：一方面，掌握散點圖分析技術(shù)的醫(yī)師能更快地分析心電數(shù)據(jù)；另一方面，心電散點圖更為可視化和直觀，它能將只有專業(yè)醫(yī)生才能看懂的心電波形圖轉(zhuǎn)化成簡明的幾何圖形，使患者也能讀懂心電診斷結(jié)果。因此，心電散點圖可謂是可穿戴心電設(shè)備最匹配的軟件“搭檔”。

可穿戴設(shè)備以前所未有的方式擴大了心電信息采集以及數(shù)據(jù)利用廣度和深度，與此同時也帶來了巨大的安全隱患?？纱┐髟O(shè)備采集的個人數(shù)據(jù)通常涉及私人信息，如使用者的位置、家庭住址、工作單位、健康狀況等，設(shè)備通過互聯(lián)網(wǎng)將其傳給云端或本地數(shù)據(jù)服務(wù)器進行存儲，不同身份的用戶通過不同權(quán)限訪問服務(wù)器中的數(shù)據(jù)。如不進行妥善的信息安全管理，用戶隱私信息很可能遭到泄露[6]。區(qū)塊鏈是分布式數(shù)據(jù)存儲、點對點傳輸、共識機制、加密算法等計算機技術(shù)的新型應(yīng)用模式。近年來，區(qū)塊鏈技術(shù)被認為適用于解決醫(yī)療大數(shù)據(jù)在數(shù)據(jù)收集和交換方面出現(xiàn)的安全問題。如果說互聯(lián)網(wǎng)信息技術(shù)負責數(shù)據(jù)的傳輸，那么區(qū)塊鏈是確保信息安全的技術(shù)。有學(xué)者認為，醫(yī)療健康領(lǐng)域?qū)⑹抢^金融領(lǐng)域后區(qū)塊鏈技術(shù)最重要的服務(wù)方向之一[7]。

5 結(jié)語

心電散點圖的開拓性研究和臨床應(yīng)用打開了心電大數(shù)據(jù)分析的新視野，它利用相空間中吸引子幾何構(gòu)形截面這種表達方法使心律失常的表現(xiàn)“圖像化”和直觀化，將動態(tài)心電圖的臨床診斷化繁為簡、化難為易。心電散點圖與人工智能技術(shù)相結(jié)合，可制作心電智能化診斷模型，實現(xiàn)心電自動化智能化診斷。心電散點圖軟件與可穿戴心電設(shè)備及區(qū)塊鏈技術(shù)相結(jié)合，可快速處理海量心電數(shù)據(jù)和出具準確診斷結(jié)果，同時保障患者/用戶的網(wǎng)絡(luò)信息安全，使遠程心電監(jiān)護如虎添翼。隨著心電散點圖技術(shù)的發(fā)展和臨床應(yīng)用的進一步深化，隨著其他相關(guān)技術(shù)應(yīng)用的加持和保障，相信未來散點圖技術(shù)的發(fā)展更加值得期待！

[1] 李方潔, 向晉濤. 心電散點圖[M]. 北京：人民衛(wèi)生出版社, 2014：38-47.

[2] 向晉濤, 景永明. 臨床心電散點圖學(xué)[M]. 武漢：湖北科學(xué)技術(shù)出版社, 2016：7-10.

[3] 李方潔，向晉濤. 心電散點圖呈現(xiàn)的房室結(jié)功能不應(yīng)期及對寬QRS波的鑒別[J]. 中國心臟起搏與心電生理雜志, 2011, 25(1)：16-19.

[4] 景永明, 黃焰. 并行心律的心電散點圖特征[J]. 實用心電學(xué)雜志, 2015, 24(3)：158-160.

[5] 許以德, 許智永. 心電散點圖在竇性心律失常二聯(lián)律鑒別診斷中的應(yīng)用[J]. 實用心電學(xué)雜志, 2017, 26(3)：175-178, 225.

[6] 任曉霞, 盧燁. 可穿戴醫(yī)療設(shè)備的安全性研究以及策略分析[J]. 中國數(shù)字醫(yī)學(xué), 2017, 12(5)：100-102.

[7] 李偉. 醫(yī)療“聯(lián)姻”區(qū)塊鏈——如何在分享數(shù)據(jù)的同時保護隱私[J]. 華東科技, 2017, 35(9)：36-38.