新闻中心
当前位置:心血管病学分会>新闻中心

人工智能显神通!科技发展,为房颤早诊断带来曙光

发布时间:2019-12-13 13:32:42 

 

心房颤动(房颤)诊断需要心电图或其他心电记录提供依据,一些无症状房颤患者的房颤事件往往难以被发现,在诊断 - 评估 - 干预的治疗链中及时发现并确诊房颤是保证后续措施得以推进的重要基础。由于研究证据相对缺乏,目前关于是否应该开展房颤筛查、在什么人群中开展房颤筛查、采用什么方式、筛查频率等问题仍存在较多争议。 

近期美国心律学会(HRS)和美国医师协会(ACP)发起了一项在房颤高危人群中探索系统性房颤筛查和房颤防治宣教可行性的研究,为解决上述争议提供了新的破题思路。


 

 

 

新科技更易调动参与度  

易推行

 

HRS 和 ACP 支 持 的 研 究 运 用 Kardia/AliveCor  iECG(AliveCor Inc., Mountain View,CA)设备对潜在房颤患者进行了系统的筛查。此研究横跨美国 5 个医疗中心,共纳入772 例房颤发病高危受试者,受试者被筛选为“未分类 ”或“疑似房颤 ”,则心电图结果将被迅速送往当地初级保健医师或心脏科医师手中,并为相应患者办理转诊。

更为重要的是,在研究中各筛查中心对受试者提供了丰富的教育资源。受试者在接受筛查和宣教前,研究者通过 8 个有关房颤及其危害的问题对其进行评估,发现受试者脑卒中和房颤的知识显著不足;而在参与研究后,90% 以上的受试者表示了解到了更多的相关知识。

该研究的主要意义在于使用新型筛查工具对房颤发病高危的患者进行筛查,并探索了这一筛查手段对于受试者的教育意义,为房颤筛查提供了新的视角。但由于该研究在进行筛查时未同步记录患者的 12 导联心电图,故无法提供该筛查手段的确切诊断数据,同时该研究未涉及与传统筛查手段(如脉搏触诊、心脏听诊)的对比,但研究者指出该手段可能比传统手段更能调动患者的参与度,使疾病筛查更易推行。

目前房颤的筛查工具主要分为以下几类:脉搏触诊、自动血压测量、心电图筛查、智能手机应用以及最新的植入式心电记录装置,各筛查工具的敏感性及特异性各异。



指南对房颤诊断逐年完善


 

回顾既往指南,2014 年英国国家卫生与临床优化研究所(NICE)房颤管理指南指出:

 

(1)伴有气短或呼吸困难、心悸、晕厥或眩晕、胸部不适、脑卒中或 TIA 等任一项者,应通过脉搏触诊来评估是否存在不规则脉搏,后者提示房颤可能性(C  );

 

(2)对于所有发现脉搏不规则的疑诊房颤者,无论有无症状都应进行心电图检查(B)。

 

2016 年欧洲心脏病学会(ESC)房颤管理指南提出:

 

(1)对于年龄超过 65 岁者推荐通过脉搏触诊或心电图进行房颤的机会性筛查(Ⅰ,B);

 

(2)对于有 TIA 或缺血性脑卒中的患者,推荐通过短时的心电图记录筛查房颤,然后连续心电图监测至少72 h(Ⅰ,B);

 

(3)建议定期程控起搏器和通过植入式心律转复除颤器(ICD)记录来发现心房高频事件(AHER),有 AHRE 的患者在启动房颤治疗前需接受进一步的心电监测来判断是否存在房颤(Ⅰ,B);

 

(4)对于有脑卒中病史患者,应考虑使用额外的心电图监测(如长程无创心电监测或植入式循环记录仪)来记录无症状房颤 (Ⅱ a,B);

 

(5)对于年龄超过 75岁或脑卒中高危者,可考虑系统性心电图筛查(Ⅱ a,B)。

 

2017 年欧洲心律学会(EHRA)房颤筛查共识文件与 2016 年 ESC 指南推荐类似,但特别指出房颤筛查不应仅局限于症状性患者。



电子设备

为早期诊断创造条件


传统心电图只能记录到持续 10 s 的心电资料,作为应用最为广泛的房颤筛查工具,其有效性因此受到质疑。

 

随着新型电子检测设备的出现,使房颤筛查的潜力得到进一步提升。

 

mSToPS 研究探讨了家庭可穿戴式心电图贴片在检测房颤中的应用以及与此类检测策略相关的临床结果。结果显示, 65.4% 的患者能够完成主动监测,即刻监测组及延迟监测组 4 个月内房颤的诊断率为分别为 3.9% 和 0.9%。后续观察性研究结果显示,能够完成主动监测的受试者抗凝应用率、门诊就诊率显著提高。

我国的 HUAWEI Heart 系列研究中基于光电容积脉搏波(PPG)技术筛查房颤的研究结果公布。该研究在 187 912 位应用智能手环的受试者中,筛查出 262 例“疑似房颤 ”患者,经医疗机构检查确诊 227 例房颤患者,阳性预测值达 91.6%。

 

此外,有 95.1%的患者确诊房颤后获得了房颤的综合管理,80%房颤高危人群接受了抗凝治疗



人工智能显神通



与此同时,人工智能也在房颤筛查领域发挥了重要作用。

 

今年 8 月发表在《柳叶刀》杂志上的研究首次使用卷积神经网络来识别窦性心律时房颤的心电图特征,研究对梅奥诊所心电数据库的 649 931份窦律心电图进行分析,并以 7:2:1 的比例分配至人工智能学习、内部检验及外部测试组。

 

结果发现人工智能模型可在心电图中发现肉眼难以辨别的重要信息,通过单次窦律心电图诊断房颤的准确性达79.4%,多次窦律心电图诊断的准确性可达 83.3%。

 

上述研究的意义不仅局限于房颤检出率的提升,更重要的是为建立从筛查、诊断到干预的流程提供了借鉴基础。房颤筛查的最终目的仍旧是提高患者抗凝治疗率,改善预后,在新技术、新手段层出不穷的今天,我们不应仅着眼于筛查手段策略的更新,而忽视筛查确诊后的后续治疗。



房颤筛查可作为患教的一环



该倡议的另一重要意义在于房颤筛查本身或可作为患者教育的一环,提高患者对疾病风险和治疗的认知。

 

不久前在线发表于《美国心脏学会杂志:临床电生理学》上的文章指出,虽然目前一致认为患者教育是非传染性慢性病管理的关键组成部分,但对房颤人群的作用仍然未能得到充分认识。家庭为基础的房颤教育和学习项目(HELP-AF)旨在明确以家庭为基础的房颤教育对房颤患者预后的影响。

 

虽然研究结果至今仍未公布,但其结果必将对房颤教育的规范化实施提供循证学证据。在此基础上,房颤筛查过程本身可能会提高患者自身对疾病管理的参与度,激发对疾病相关知识了解的兴趣,从而改善患者的治疗现状



总体而言,房颤防治方面仍有许多尚未解答的问题,但筛查本身对改善疾病管理现状具有重要的积极意义。我国人口基数大,潜在房颤患者多,鉴于房颤的危险性,早期筛查尤为重要。

 

在制定房颤筛查方案上,应充分权衡诊断方案的可行性和效价比,确定潜在筛查获益人群,合理安排监测时长和频率。期待未来相关研究者能够参考相关研究的优秀经验,制定适合我国国情的房颤筛查方案,为降低房颤疾病负担做出应有贡献。







 

 

 

Produced By 大汉网络 大汉版通发布系统