黎明 張宇霞 蔡衛(wèi)衛(wèi) 胡傳言 盧海濤

心律失常是由于竇房結(jié)激動異?；蚣赢a(chǎn)生于竇房結(jié)以外，激動的傳導(dǎo)緩慢、阻滯或經(jīng)異常通道傳導(dǎo)，即心臟活動的起源和/或傳導(dǎo)障礙導(dǎo)致心臟搏動的頻率和/或節(jié)律異常。全世界因心律失常誘發(fā)突發(fā)性心搏停止導(dǎo)致死亡的患者比例占所有因心血管疾病而死亡患者數(shù)量的1/2[1-4]。臨床心電圖是醫(yī)學(xué)界廣泛認(rèn)可的用于篩查和診斷心律失常的方法。然而目前中國的心電醫(yī)生供不應(yīng)求，能熟練并準(zhǔn)確讀取識別心電圖的醫(yī)生數(shù)量更少[5]。另一方面，目前大多數(shù)12導(dǎo)聯(lián)心電圖自動診斷的可靠性仍然較低[6-7]。因此，迫切需要更有效的手段來實現(xiàn)心電圖的自動識別。隨著計算機智能技術(shù)的飛速發(fā)展，人工智能技術(shù)在部分醫(yī)學(xué)領(lǐng)域取得了巨大發(fā)展，已成功應(yīng)用于心血管疾病的診斷和治療[8]。本院與樂普人工智能心電醫(yī)學(xué)團(tuán)隊合作，評估基于人工智能的AI-ECG心電算法對心律失常檢測的有效性，為未來人工智能指導(dǎo)臨床治療提供實踐基礎(chǔ)，幫助臨床醫(yī)生更加高效準(zhǔn)確地完成臨床實踐工作。

1 資料與方法

1.1 一般資料

選擇2018年9月至2019年9月于我院實行人工智能心電網(wǎng)絡(luò)系統(tǒng)就診的13 145例患者，共收集13 949 份心律失常樣本。納入標(biāo)準(zhǔn)：年齡≥18周歲。排除標(biāo)準(zhǔn)：年齡<18周歲以及使用起搏器的患者。所有靜態(tài)心電檢查的診斷標(biāo)準(zhǔn)均符合《內(nèi)科學(xué)》的要求[9]。所有臨床資料均征得患者家屬的知情與同意，并已獲醫(yī)學(xué)倫理委員會批準(zhǔn)。13 145例研究對象資料包括門診3888例，住院3637例，體檢5620例；其中，男6919例，女6226例，年齡18～103歲，年齡中位數(shù)32歲。

1.2 方法

1.2.1 數(shù)據(jù)采集方法 本項目使用由深圳市凱沃爾電子有限公司生產(chǎn)的ECG-1112M型12導(dǎo)聯(lián)心電圖機，以25 mm/s的紙速、10 mm/mV的增益，于安靜環(huán)境下對患者進(jìn)行心電圖檢查，并要求其保持平臥，全身放松。數(shù)據(jù)采集結(jié)束后上傳至樂普人工智能心電分析軟件(AI-ECG Platform)進(jìn)行計算機分析，得到人工智能算法的分析結(jié)果。

1.2.2 評價方法 由2位本院醫(yī)師根據(jù)心電圖對受試者的心律狀態(tài)做出診斷，若診斷結(jié)果一致，則作為金標(biāo)準(zhǔn)，若不一致則提交3名心電臨床專家復(fù)核，3位專家的一致性結(jié)果作為金標(biāo)準(zhǔn)，排除診斷不一致的數(shù)據(jù)。比對金標(biāo)準(zhǔn)與人工智能算法的分析結(jié)果，評估人工智能算法檢測心律失常的準(zhǔn)確性。

1.3 統(tǒng)計學(xué)方法

采用篩檢試驗中的靈敏性、特異性、陽性預(yù)測率、陰性預(yù)測率及正確率來評估人工智能算法與金標(biāo)準(zhǔn)對比研究的有效性。根據(jù)《北京市第二類體外診斷試劑臨床試驗指導(dǎo)原則(2016版)》，使用SPSS 21.0統(tǒng)計學(xué)軟件并采用Kappa系數(shù)評價兩類結(jié)果的一致性。若Kappa系數(shù)≥0.75，表明結(jié)果一致性強；0.75>Kappa系數(shù)≥0.4，表明結(jié)果一致；Kappa系數(shù)<0.4，表明結(jié)果不一致。計數(shù)資料以百分率表示。

2 結(jié)果

2.1 AI-ECG人工智能算法測試17類心律失常事件

本研究收集了AI-ECG分析的13 949份心律失常樣本，共統(tǒng)計出17種類型心律失常事件。其中，如表1所示，序號1～3為竇性心律失常事件，患病樣本量分別為竇性心律不齊9966例、竇性心動過緩4871例、竇性心動過速1317例；序號4為房顫事件，患病樣本量225例；序號5～9為室上性心律失常事件，患病樣本量分別為室上性早搏698例，室上性心動過速42例，室上性早搏成對97例，室上性早搏二聯(lián)律41例，室上性早搏三聯(lián)律12例；序號10～12為室上性逸搏類心律失常事件，患病樣本量分別為房性逸搏心律42例，房性逸搏33例，交界性逸搏14例；序號13～17為室性心律失常事件，患病樣本量分別為室性早搏310例，室性早搏二聯(lián)律13例，室性早搏成對6例，室性早搏三聯(lián)律4例，室性逸搏5例。

由AI-ECG診斷的所有心律失常事件的特異性和準(zhǔn)確率均高于99%。除竇性心動過速、室上性心動過速、室上性早搏二聯(lián)律、室上性早搏三聯(lián)律和室性早搏的靈敏性分別為97.48%、90.91%、92.00%、90.00%和98.65%外，其余12類心律失常事件的靈敏性均高于99%。實驗數(shù)據(jù)表明2種方法所檢測的17類心律失常事件均具有一致性，其中，有11類心律失常事件的Kappa系數(shù)≥0.75，表明二者間具有強一致性。17類心律失常事件的綜合靈敏性、特異性和準(zhǔn)確率分別為98.08%、99.84%和99.84%。

表1 AI-ECG人工智能算法和醫(yī)生團(tuán)隊獨立診斷金標(biāo)準(zhǔn)對17類心律失常事件的統(tǒng)計學(xué)分析結(jié)果

3 討論

《中國心血管病報告2018》[10]指出，中國心血管疾病的患病率仍處在持續(xù)上升的階段，預(yù)估患病人數(shù)已達(dá)2.9億，死亡率一直居高不下。心血管疾病導(dǎo)致的死亡占居民疾病死亡的40%以上，居各類疾病誘發(fā)死亡的首位。全球范圍內(nèi)，心律失常和心臟性猝死是人類健康最大的危險因素。長期以來，心電圖是臨床醫(yī)學(xué)上用于心律失常篩查和診斷最常規(guī)的方法。傳統(tǒng)的心電圖數(shù)據(jù)高度依賴人工對特征的提取，由于長時間工作，人工診斷容易出現(xiàn)疲勞而影響心電圖報告的準(zhǔn)確性。隨著計算機智能技術(shù)的飛速發(fā)展，中國于20世紀(jì)80年代開始引進(jìn)心電圖自動分析系統(tǒng)。AI-ECG Platform將人工智能技術(shù)和心電圖診斷結(jié)合起來，對心搏進(jìn)行精準(zhǔn)識別并確定心電圖中各種類型的心律失常，幫助臨床醫(yī)生快速準(zhǔn)確地閱讀分析心電圖。因此，我們開展了對AI-ECG Platform臨床有效性的評估工作。本院與樂普人工智能心電醫(yī)學(xué)團(tuán)隊合作，采用其研發(fā)的AI-ECG Platform，基于深度學(xué)習(xí)算法(卷積神經(jīng)網(wǎng)絡(luò))的先進(jìn)心電圖分析引擎來自動提取患者心電圖特征。以2位本院醫(yī)師根據(jù)心電圖對受試者的心律狀態(tài)做出的一致診斷作為金標(biāo)準(zhǔn)，評估人工智能算法檢測心律失常的準(zhǔn)確性。

本研究結(jié)果顯示，AI-ECG診斷17類心律失常事件的綜合靈敏性、特異性和準(zhǔn)確率分別為98.08%、99.84%和99.84%。其中，竇性心律失常和房顫事件的靈敏性(均>97%)、特異性(均>99%)和準(zhǔn)確率(均>99%)都較高，且Kappa系數(shù)均>98%，說明AI-ECG診斷與金標(biāo)準(zhǔn)之間具有一致性。有研究發(fā)現(xiàn),使用華為手機基于光電容積脈搏波描記法原理(photoplethysmography，PPG)的房顫篩查的陽性預(yù)測率為91.6%[11]。第68屆美國心臟病學(xué)會科學(xué)年會報告了使用蘋果Apple Watch設(shè)備檢測受試者房顫的陽性預(yù)測值為0.84。然而，本研究使用AI-ECG Platform的人工智能算法診斷的房顫陽性預(yù)測率高達(dá)98.67%。綜合比較表明，人工智能心電算法對竇性心律失常和房顫事件的識別能滿足臨床需求。其余的室上性心律失常、室上性逸搏類心律失常及室性心律失常事件的靈敏性(均>90%)、特異性(均>99%)和準(zhǔn)確率(均>99%)也都較高，Kappa系數(shù)均>0.4，說明AI-ECG診斷與金標(biāo)準(zhǔn)之間具有一致性，顯示出AI-ECG診斷應(yīng)用于臨床的巨大潛力，但受限于收集的發(fā)病率及樣本總量，對患者樣本量較小(<100)的心律失常事件的準(zhǔn)確性還需要進(jìn)一步評估。此外，AI-ECG人工智能算法在V5、V6導(dǎo)聯(lián)嚴(yán)重干擾的情況下，仍可準(zhǔn)確識別竇性心動過速、室上性早搏和三聯(lián)律等心律失常事件。這表明AI-ECG人工智能算法分析具有強的抗干擾能力。綜上所述，基于人工智能的AI-ECG心電算法對心律失常的檢測結(jié)果與臨床心電圖檢測結(jié)果高度一致，具有良好的臨床應(yīng)用前景。

基于此，我們開展了對于AI-ECG Platform臨床有效性評估工作，第1階段篩選了心律失常的臨床樣本進(jìn)行測量和分析，研究證實AI-ECG對靜態(tài)心電圖心律失常分析具有較高的臨床價值。但受限于收集的發(fā)病率及樣本總量，下一步將納入更多的病例樣本完善其有效性的評估，并對心肌梗死、房室肥大等心臟疾病進(jìn)行人工智能算法的臨床有效性評估。第2階段將開展AI-ECG對結(jié)構(gòu)性心臟疾病分析的臨床研究，逐步完善臨床評估體系，希望未來可以更好地服務(wù)于臨床，幫助臨床醫(yī)生更加高效準(zhǔn)確地完成臨床實踐工作。