高學(xué)英 劉凡

河北醫(yī)科大學(xué)第二醫(yī)院心血管內(nèi)科 石家莊市 050000

心電圖臨床應(yīng)用至今已有百余年歷史，仍是當(dāng)今臨床最常用、最便捷、最經(jīng)濟、最有效的心臟輔助檢查手段。隨著21 世紀(jì)人工智能（artificial intelligence, AI）的興起，已證明人工智能心電圖可檢測人工無法識別的一些心電圖特征和不能常規(guī)通過心電圖診斷的疾病[1-3]，如無癥狀左心室功能障礙、心房顫動[4-5]的發(fā)現(xiàn)及識別、肥厚型心肌病、射血分?jǐn)?shù)保留的心力衰竭[6]等。與傳統(tǒng)的基于規(guī)則的計算機解讀相比，人工智能心電圖診斷的準(zhǔn)確性和工作效率可能更高。人工智能分析的心電圖在醫(yī)療創(chuàng)新領(lǐng)域具有巨大的潛能，可能會改變我們對心臟疾病的診斷和治療方式。

心力衰竭因患病率、死亡率和再住院率高已成為重大的公共健康問題，心源性猝死（sudden cardiac death, SCD）通常由致命性心律失常引起，占心力衰竭患者心血管死亡的50%。雖然植入式心律轉(zhuǎn)復(fù)除顫器（implantable cardioverter defibrillators,ICD）被用于降低SCD 風(fēng)險，但植入過程是侵入性的，并且ICD 患者經(jīng)歷不適當(dāng)電擊比例較高，給患者的身體和心理[7]（如抑郁、焦慮和ICD 相關(guān)問題）帶來負(fù)面影響。此外，SCD 常發(fā)生于沒有嚴(yán)重左心室功能不全的患者中，目前還沒有射血分?jǐn)?shù)＞35%的患者發(fā)生SCD 風(fēng)險的研究數(shù)據(jù)。因此，評估心力衰竭患者SCD 風(fēng)險對于臨床決策至關(guān)重要。

目前SCD 風(fēng)險的評估方法主要基于左心室射血分?jǐn)?shù)（left ventricular ejection fraction, LVEF）和紐約心臟協(xié)會（NYHA）心功能分級，但是有些SCD 經(jīng)常發(fā)生在沒有嚴(yán)重左心室功能障礙的患者中，針對LVEF＞35% 患者的SCD 風(fēng)險分層仍是空缺。Shiraishi 等[8]評估應(yīng)用12 導(dǎo)聯(lián)心電圖訓(xùn)練的人工智能模型是否能夠檢測出SCD 風(fēng)險分類，并改善心衰患者的風(fēng)險分層，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks, CNN）和長短期記憶預(yù)測SCD 發(fā)生率的能力，基于心電圖的人工智能（electrocardiography-based AI, ECG-AI）是否能更好地預(yù)測SCD，以及將ECG-AI 指數(shù)與SCD 的常規(guī)預(yù)測因子相結(jié)合，是否能改善心衰患者的SCD 分層，該研究納入了東京4 家三級醫(yī)院2 559 例急性失代償后成功出院的心力衰竭患者，從各醫(yī)院的電子病歷系統(tǒng)中提取首次住院期間的心電圖數(shù)據(jù)，通過調(diào)整LVEF、NYHA 分級和非SCD 競爭風(fēng)險來評估ECG-AI 指數(shù)與SCD 的關(guān)系，ECG-AI 指數(shù)加上經(jīng)典預(yù)測指南（即LVEF ≤35%，NYHA Ⅱ類和Ⅲ類）顯著提高了SCD的鑒別值，人工智能心電圖可以從信息豐富但復(fù)雜的數(shù)據(jù)集獲得統(tǒng)計模型，由CNN 構(gòu)建的ECG-AI 模型在檢測疾病、預(yù)測心功能和估計預(yù)后方面，能夠檢測出SCD 風(fēng)險分類的重要特征，改善心力衰竭患者的風(fēng)險分層。此外，與ICD 的常規(guī)指征相比，ECG-AI 聯(lián)合模型對非缺血性病因和無房顫的年輕患者（≤75 歲）SCD 發(fā)生率的鑒別明顯更好。隨著LVEF 的增加，SCD 患者與非SCD 患者的比例穩(wěn)步下降，ECG-AI 指數(shù)對LVEF 為35%～50%的患者的鑒別能力最好。循環(huán)神經(jīng)網(wǎng)絡(luò)聯(lián)合CNN 建立一個ECG-AI 模型來預(yù)測心力衰竭患者SCD 的發(fā)生率，結(jié)果顯示其良好的表現(xiàn)優(yōu)于ICD 的常規(guī)適應(yīng)癥。由于SCD 的準(zhǔn)確風(fēng)險預(yù)測在臨床實踐中至關(guān)重要，這些使用人工智能算法的新方法可能幫助臨床醫(yī)生為決策提供依據(jù)，以確保ICD 應(yīng)用適當(dāng)。

雖然人工智能心電圖目前具有解釋、檢測多種疾病的能力，但廣泛應(yīng)用于臨床仍存在諸多局限性。首先，人工智能心電圖篩查的成本效益尚未得到評估[9]，這是其在臨床實踐中大規(guī)模應(yīng)用的關(guān)鍵。其次，人工智能心電圖來源的研究試驗?zāi)Ｐ偷木|(zhì)性、準(zhǔn)確性及信息安全性也是不能忽略的潛在挑戰(zhàn)。人工智能心電圖可作為擬人化的臨床ECG 診斷工具，也可廣泛用于流行病調(diào)查和健康管理。目前人工智能心電圖處于起步階段，但不斷增長的臨床研究數(shù)據(jù)決定人工智能工具的附加價值。與任何醫(yī)療器械一樣，人工智能心電圖必須經(jīng)過審查、驗證、臨床醫(yī)生接受培訓(xùn)等諸多環(huán)節(jié)，才能正確使用。同時與人工智能心電圖結(jié)合，有望改變臨床治療及護理。未來，期待信息科學(xué)領(lǐng)域開發(fā)更適用于臨床環(huán)境的機器學(xué)習(xí)算法，加強心電數(shù)據(jù)和其他臨床影像信息的收集和管理，共同助力人工智能心電圖的進一步推廣和應(yīng)用，心電網(wǎng)絡(luò)和臨床大數(shù)據(jù)的完善也為 AI技術(shù)的開發(fā)提供充足的數(shù)據(jù)基礎(chǔ)，有望彌補現(xiàn)有手段的不足。