楊宏波 潘家華 王威廉 郭濤 張戈軍 唐永研 許虹莉

1昆明醫(yī)科大學(xué)附屬心血管病醫(yī)院（昆明650000）；2云南大學(xué)（昆明650000）；3國(guó)家心血管病中心（北京100000）

先天性心臟病是最常見(jiàn)的先天性缺陷，約占到出生缺陷的30%，先天性房間隔缺損（atrial septal defect，ASD）占到了先天性心臟病中的約1/4，帶來(lái)了嚴(yán)重的社會(huì)和經(jīng)濟(jì)負(fù)擔(dān)[1-2]。根據(jù)出生缺陷統(tǒng)計(jì)所得先心病發(fā)病率為4‰～50‰[3]，造成不同地區(qū)所統(tǒng)計(jì)的發(fā)病率差異的原因?yàn)樵\斷及時(shí)性、診斷的條件和手段[4]。據(jù)調(diào)查全世界各地區(qū)的發(fā)病率美國(guó)（1998-2005）為8.1‰、英國(guó)（1985-2004）6.4‰、歐洲 22國(guó)為 6.5‰、丹麥（1977-2005）為10.3‰、臺(tái)灣為10.1‰[5-6]，中國(guó)還缺乏相應(yīng)的注冊(cè)研究，2012年的中國(guó)出生缺陷報(bào)道中國(guó)目前的發(fā)病率為4.1‰[7-8]，明顯低于歐美國(guó)家，但是國(guó)內(nèi)的數(shù)據(jù)是來(lái)自于許多小的分散醫(yī)院或?qū)W校篩查，可能受限于篩查技術(shù)手段和目的人群的選擇，與真實(shí)數(shù)據(jù)有差異。隨著出生率以及人口流動(dòng)的增加，先心病患病率可能增至9‰ ～ 10‰[1]。

常用的篩查技術(shù)為人工聽(tīng)診后進(jìn)行超聲確診，但人工聽(tīng)診限于聽(tīng)診器械、主觀聽(tīng)診及環(huán)境因素的影響，診斷準(zhǔn)確率及誤診率客觀存在；超聲檢查對(duì)技術(shù)及設(shè)備條件要求高，不能進(jìn)行普遍性確診篩查[9]。先天性ASD缺乏特異的心臟雜音，常常有誤診和漏診。基于人工智能的輔助聽(tīng)診技術(shù)利用電子聽(tīng)診器在醫(yī)務(wù)人員進(jìn)行先心病篩查時(shí)采集心音信號(hào)，構(gòu)建心音庫(kù)，對(duì)采集的心音信號(hào)進(jìn)行數(shù)字信號(hào)處理，提取相關(guān)的病理特征，形成學(xué)習(xí)與記憶，最后實(shí)現(xiàn)機(jī)器輔助聽(tīng)診和診斷。國(guó)內(nèi)外目前僅有電子聽(tīng)診器對(duì)心音進(jìn)行數(shù)字化采集，并無(wú)分析和輔助診斷功能，本文將就人工智能的輔助診斷技術(shù)在篩查中的應(yīng)用前景作初步的探討。

1 對(duì)象與方法

1.1 研究對(duì)象本研究是一個(gè)橫斷面觀察研究，在2017年9月至2018年9月對(duì)云南省部分地區(qū)17所學(xué)校10 142名0～14歲兒童進(jìn)行人工聽(tīng)診和基于人工智能的輔助診斷。

1.2 方法

1.2.1 心臟聽(tīng)診方法5個(gè)聽(tīng)診位置分別是M：二尖瓣聽(tīng)診區(qū)；P：肺動(dòng)脈瓣聽(tīng)診區(qū)；A：主動(dòng)脈瓣聽(tīng)診區(qū)；E：主動(dòng)脈瓣第二聽(tīng)診區(qū)；T：三尖瓣聽(tīng)診區(qū)；聽(tīng)診順序依次為：M-P-A-E-T，分別采集心音信號(hào)（圖1）。

圖1 心音組成結(jié)構(gòu)圖Fig.1 Cardiac sound composition

1.2.2 基于人工智能心音分析方法運(yùn)用電子聽(tīng)診器采集5個(gè)部位心音信號(hào)并存儲(chǔ)于Matlab平臺(tái)中，按心音信號(hào)分析主要包含4個(gè)部分（圖1），小波閾值去噪[10]，采用希爾伯特-黃變換方法和歸一化香農(nóng)能量方法[11]提取包絡(luò)及分段定位，采用Mel頻率倒譜特征參數(shù)（MFCC）來(lái)提取心音信號(hào)的特征參數(shù)，運(yùn)用高斯混合模型（Gaussian mixture models，GMM）[12]實(shí)現(xiàn)機(jī)器自動(dòng)識(shí)別心音信號(hào)，對(duì)心音信號(hào)進(jìn)行病理類(lèi)別分類(lèi)。心音信號(hào)分析流程圖見(jiàn)圖2。

圖2 心音信號(hào)分析流程圖Fig.2 Chart of cardiac signal analysis

1.2.3 人工診斷與人工智能輔助診斷對(duì)比首先在篩查中采用人工聽(tīng)診結(jié)合便攜式心臟彩超輔助診斷，對(duì)確診ASD患兒及部分正常兒童進(jìn)行心音采集并分析，按照基于人工智能心音分析方法實(shí)現(xiàn)人工智能學(xué)習(xí)。人工智能設(shè)備具備一定的輔助診斷功能后，在篩查中將兒童分為人工聽(tīng)診診斷組和人工智能機(jī)器輔助診斷組，為了避免機(jī)器篩查誤診率未知帶來(lái)的危害，對(duì)于人工智能機(jī)器輔助診斷的兒童最后也需進(jìn)行人工聽(tīng)診。對(duì)于入院已經(jīng)心臟超聲多普勒確診病種的患者，在不告知醫(yī)生的情況下，分為聽(tīng)診輔助診斷組和人工智能輔助診斷組，比較兩組的準(zhǔn)確率。

1.3 統(tǒng)計(jì)學(xué)方法采用SPSS 17.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。計(jì)量資料用用均數(shù)±標(biāo)準(zhǔn)差表示，兩組比較采用t檢驗(yàn)，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 人工智能學(xué)習(xí)心音數(shù)據(jù)人工聽(tīng)診后經(jīng)胸超聲多普勒確診房缺患者145例，共截取心動(dòng)周期數(shù)6 253個(gè)，人工聽(tīng)診后疑似房缺但經(jīng)胸多普勒超聲確診無(wú)先心病患者150例（圖3、4），共截取心動(dòng)周期數(shù)6 544個(gè)。

圖3 正常人的心音信號(hào)和經(jīng)過(guò)分析后的時(shí)頻圖Fig.3 Time-frequency diagram

圖4 ASD患者的心音信號(hào)和經(jīng)過(guò)分析后的時(shí)頻圖Fig.4 Time-frequency diagram of ASD

表1 人工智能輔助診斷學(xué)習(xí)數(shù)據(jù)Tab.1 Artificial intelligence assisted diagnostic learning data

2.2 人工聽(tīng)診診斷與人工智能輔助診斷發(fā)現(xiàn)率比較在10 142名兒童先心病篩查中，應(yīng)用人工智能輔助診斷技術(shù)診斷3 762例，輔助診斷完成后均再次人工聽(tīng)診，疑似病人不納入人工聽(tīng)診組分析；直接人工聽(tīng)診6 280例。人工聽(tīng)診疑似ASD 92例，經(jīng)胸超聲多普勒確診12例，人工智能輔助診斷疑似ASD 160例，經(jīng)胸超聲多普勒確診17例。人工智能輔助診斷與人工聽(tīng)診診斷比較在發(fā)現(xiàn)疑似ASD和確診ASD上差異無(wú)統(tǒng)計(jì)學(xué)意義（P＞0.05）。見(jiàn)表2。

表2 人工智能輔助診斷發(fā)現(xiàn)率Tab.2 Artificial intelligence assisted diagnosis discovery rate

2.3 人工聽(tīng)診診斷與人工智能輔助診斷準(zhǔn)確率比較在入院已經(jīng)經(jīng)胸超聲多普勒確診的162例兒童中，在不提前告知病種的情況下，醫(yī)生獨(dú)立通過(guò)聽(tīng)診診斷房間隔缺損132例（81.5%），應(yīng)用人工智能輔助診斷技術(shù)診斷出房間隔缺損112例（69.1%）。人工智能輔助診斷與人工聽(tīng)診診斷在ASD確診比較上差異無(wú)統(tǒng)計(jì)學(xué)意義（P=0.062）。

3 討論

常用的先心病篩查技術(shù)如人工聽(tīng)診，限于聽(tīng)診器械、主觀聽(tīng)診及環(huán)境因素的影響，診斷準(zhǔn)確率及誤診率客觀存在；超聲影像學(xué)檢查能輔助確診先天性ASD，但對(duì)技術(shù)及設(shè)備條件高，不能進(jìn)行普遍性確診篩查，心臟的形態(tài)學(xué)的詳細(xì)可視化特別是3D打印技術(shù)在先天性心臟病個(gè)性化的診斷和治療中具有極其重要的意義，但是目前還處于探索和研究階段[12]?；谌斯ぶ悄艿妮o助診斷技術(shù)不需要專(zhuān)業(yè)心臟醫(yī)生，只需要普通技術(shù)人員采集心音信號(hào)，輸入到心音識(shí)別機(jī)器，人工智能機(jī)器將根據(jù)以往的特征學(xué)習(xí)記憶對(duì)心音信號(hào)進(jìn)行分類(lèi)，從而實(shí)現(xiàn)輔助診斷，該技術(shù)不受人為主觀因素影響，遠(yuǎn)程也可實(shí)現(xiàn)診斷。

雖然國(guó)內(nèi)從1986年開(kāi)始就開(kāi)展出生缺陷調(diào)查[13]，但是使用全國(guó)的出生缺陷監(jiān)測(cè)系統(tǒng)始終很難獲得令人信服的流行病學(xué)數(shù)據(jù)，有如下幾點(diǎn)原因。首先，先心病的檢出率常常受先心病定義范圍的不同、選擇人群的差異、參與篩查的醫(yī)院醫(yī)生的不同、診斷方法和技巧的不同影響[14]；第二，許多先心病的診斷時(shí)間窗短，通常在出生后7 d內(nèi)就發(fā)生了嚴(yán)重的癥狀和合并癥，常常給識(shí)別和診斷帶來(lái)困難[15]；第三，超聲多普勒不是所有醫(yī)療機(jī)構(gòu)或接診醫(yī)生都能獲得的檢查手段，而先天性的ASD乏特異的雜音，許多小的ASD常常不會(huì)有明顯的癥狀，因此常常會(huì)有漏診。因此在國(guó)內(nèi)大部分篩查所得出的先心病發(fā)病率驚人的低至1.7‰～5.2‰[15-16]。本研究在先天性ASD的篩查中采用人工智能的輔助診斷，可以在大范圍內(nèi)實(shí)現(xiàn)統(tǒng)一的診斷標(biāo)準(zhǔn)，確診率4.5‰是高于人工診斷率的，與國(guó)外的數(shù)據(jù)相符合[17-22]，在確診率方面（69.1%）不劣于人工聽(tīng)診，提示該方法有較高的發(fā)現(xiàn)先天性ASD率和有效的避免漏診發(fā)生。

先心病發(fā)病率的性別相關(guān)性在本研究中與文獻(xiàn)相符合[18-19，21]，女性更容易患相對(duì)簡(jiǎn)單的先心病，例如先天性ASD，而可能男性更容易患復(fù)雜先心病[23]。研究中發(fā)現(xiàn)在學(xué)齡兒童中先天性ASD的發(fā)病率仍然很高，但是先天性ASD在分流量不大時(shí)，產(chǎn)生的心臟雜音及臨床表現(xiàn)容易被非專(zhuān)業(yè)心臟醫(yī)生忽視，易產(chǎn)生誤診和漏診，許多患兒被發(fā)現(xiàn)時(shí)已有明顯的肺動(dòng)脈高壓。因此在先心病篩查中必須要有一個(gè)漏診率更低的有效手段，特別是對(duì)于缺乏葉酸和缺陷預(yù)防手段的貧困邊遠(yuǎn)地區(qū)以及特殊人群，例如高齡生產(chǎn)、低體重兒、早產(chǎn)兒[23]。

在發(fā)達(dá)國(guó)家，已經(jīng)有系統(tǒng)的出生缺陷監(jiān)測(cè)手段和完善的篩查手段，我國(guó)部分沿海城市和省份已經(jīng)建立了篩查治療網(wǎng)絡(luò)，但是在國(guó)內(nèi)部分地區(qū)還不能有診斷的設(shè)備，因此尋找一個(gè)有效篩查和診斷方法將為預(yù)防和治療先天性ASD提供更準(zhǔn)確的信息。雖然本研究中得到了部分人群的先天性ASD的患病率，但是本研究不是一個(gè)以人口多樣性為基礎(chǔ)的研究，不包含出生后和死亡的人群，因此不完全有代表性。筆者希望早日有相應(yīng)的注冊(cè)調(diào)查獲得完整的流行病學(xué)數(shù)據(jù)，可以繼續(xù)開(kāi)發(fā)和使用本人工智能篩查手段，并在此基礎(chǔ)上建立完整的診治和隨訪計(jì)劃，早日實(shí)現(xiàn)先心病死亡率的降低。

綜上，基于人工智能的輔助診斷在先天性ASD篩查中有很高的確診率和較低的漏診率，是一個(gè)有效的輔助篩查手段，在不具有高水平聽(tīng)診或超聲多普勒的地區(qū)值得推廣。