無線心電監測設備在腦梗死患者心房顫動(AF)篩查中的應用

,

(1復旦大學附屬上海市第五人民醫院神經內科 上海 200240; 2復旦大學附屬華山醫院神經內科 上海 200040)

腦梗死已成為我國人口主要的致死及致殘原因,其中至少15%是由心房顫動(atrial fibrillation,AF)導致的心源性腦梗死[1]。隨著年齡增加,AF的發病率明顯增加。抗凝治療可有效減少60%的腦梗死風險。因此盡早檢測出AF、積極合理的抗凝治療是預防腦梗死再發、改善預后的重要因素。但是,約半數患者的AF為陣發性且無臨床癥狀[2-3],具有不可預測性,因此AF的檢出率仍較低,短時程記錄很難捕捉到,最有效的方法是延長記錄時間,提高陣發性AF的檢出率。國外研究發現應用長程心電監測設備可顯著提高腦梗死患者中陣發性AF的檢出比例[4-6]。Yang等[7]通過應用6天的長程心電監測使合并AF的腦梗死患者比例由16.5%提高到20.9%。因此,對腦梗死患者的病因篩查,尤其對病因不明的腦梗死患者,大于24 h的長程心電監測尤為重要。而基于物聯網新技術的發展和非侵入性設備的研發為提高陣發性AF的檢出創造了機會。

物聯網是互聯網的一部分,定義為基于標準和交互通信協議、具有自配置能力的動態網絡[8]。在物聯網內,具有傳感、驅動功能的移動及可穿戴設備能與其他類似設備進行交互和通信[9]。智慧醫療是將物聯網技術、云計算技術、大數據處理技術等應用于醫療領域,以患者為中心,利用先進的信息技術改善醫療服務質量及流程的醫療體系[10]。云計算依托于虛擬化技術,將所有的系統運算任務分布在大量的服務器及存儲構成的云服務平臺資源池中,使各種應用系統能夠根據自身的需要來獲取所需的系統資源、存儲空間及各種信息服務[11],云計算超大規模的計算和存儲功能使醫療信息共享成為可能。移動醫療是基于物聯網的智慧醫療系統的主要應用之一[12],泛指通過使用通信技術進行醫療數據非本地共享的系統,功能涵蓋醫學急救、監護、診斷、治療等方面[13]。數據獲取是移動醫療的基礎,智能移動設備及具有無線醫療傳感器的可穿戴設備記錄和提取數據,并通過物聯網平臺實現數據共享及交互,使患者、家屬和醫師都可以及時了解患者的健康狀況,以便對病情做出更全面的評估和及時處理。智能手機、手環、平板電腦等智能移動設備在日常生活中的普及,以及越來越多的可穿戴設備的開發為便攜舒適的心電監測提供了極大的便利。物聯網正在重新定義我們創建、使用和共享信息的方式。醫療物聯網使得智慧醫療得以實現和普及。

非植入式心電監測設備

單導聯心電圖記錄儀 Zio patch是一款由舊金山公司iRhythm開發的防水黏貼性心電圖記錄儀,大小類似于創可貼,可佩戴于胸前,于2009年獲美國FDA批準上市。在一項采用動態心電圖監測可疑心律失常的研究[14]中顯示,佩戴Zio patch 14天優于佩戴傳統Holter動態心電監測儀24 h,在146例患者中,Zio patch檢測出96例,而Holter僅檢測出61例(P<0.001)。除了較高的準確率以外,其優勢還在于佩戴Zio patch的患者可以運動和洗澡,患者佩戴舒適、易于接受,而佩戴Holter的患者因胸部導線的束縛而不方便進行運動和洗澡,因而依從性較差。在一項驗證Zio patch的依從性、分析信號時長及診斷率的研究中,26 751例患者平均佩戴Zio patch的時長為8天,99%的信號是可進行分析的有效信號,且隨著時間延長,陣發性AF的檢出率明顯提高,說明Zio patch具有良好的患者依從性、適應性及較高的診斷率[15]。既往預期兒童中陣發性AF的檢出率僅有0.3%,但是在3 209例兒童佩戴14天Zio patch后檢出390例心律失常,檢出率高達12%[16]。另一項佩戴Zio patch檢測AF的研究[17]在1 000例年齡≥65歲的老年患者中發現AF的患病率為6.7%,AF自動識別算法的靈敏度和特異性分別高達98.5%和91.0%。

Rehearse-AF是一項比較間斷或常規心電監測在AF檢出方面的隨機對照研究[18]。間斷監測組使用的設備是手持式心電記錄儀AliveCor Kardia記錄儀,其通過連接智能手機將獲取的心電數據上傳至云端,由人工及自動算法對數據進行分析。間斷監測組要求患者持續1年每周記錄2次心電數據并上傳至云端。研究共納入1 001例患者(間斷監測組500例,常規監測組501例),平均年齡為(73±5)歲,結果發現間斷監測組有19例而常規監測組僅有5例診斷為AF(P=0.007),且大部分的間斷監測組的患者表示該設備方便使用、不影響日?；顒右膊辉黾泳o張焦慮。

國內也有類似的心電記錄設備?！罢粕闲碾姟笔且豢钜讶〉肅FDA注冊證的專業可穿戴心電記錄儀[19]。其采用的是單導心電圖監測,由ECG采集器與用戶端APP構成。有貼片式、手持式、卡片式等多種采集器,使用者通過藍牙或導線直接連接的方式把采集器與安裝了用戶端APP的智能硬件相連(智能手機、平板電腦、智能電視),記錄實時心律情況,生成心電圖;再通過APP把生成的心電圖傳送給“掌上心電”的管理端后,不但可以得到自動數據分析后簡單的心電監測診斷,還可以實時傳送給相關醫師,得到第一手來自于醫師的診斷與建議。范平等[19]對50例門診患者完善常規心電圖檢查,并配備“掌上心電”E-U08心電記錄儀在院外實時監測患者的心電圖,分析發現“掌上心電”E-U08心電記錄儀的異常心電圖檢出率顯著高于常規12導聯心電圖(76%vs.20%),同時“掌上心電”E-U08心電記錄儀的心律失常心電圖(包括AF)檢出率顯著高于常規12導聯心電圖(48%vs.12%),結果表明“掌上心電”E-U08心電記錄儀有助于提高心律失常的檢出率。蔡鋮等[20]則用動態心電圖和“掌上心電”E-U08/E-A08心電記錄儀對52例經導管射頻消融治療的AF患者進行1年的隨訪,結果表明動態心電圖和掌上心電所診斷的房顫射頻消融術后房性心律失常發生率分別為20.4%和46.3%,差異有統計學意義(P=0.004)。動態心電圖對房性心律失常事件檢測的靈敏度為37.9%,準確度為66．7%,陰性預測值為58.1%;而掌上心電對房性心律失常事件檢測的靈敏度為86.2%,準確度為92.6%,陰性預測值為86.2%,均高于動態心電圖。通過調查問卷詢問患者使用體驗表明掌上心電具有較高的性價比及依從性。用掌上心電篩查AF的“全國高血壓房顫篩查大型項目”正在進行中,結果值得期待。掌上心電在腦梗死患者AF篩查中的應用也值得進一步探索。

MyDiagnostick也是一種心電記錄儀,其形如棒狀,兩端有金屬手柄的記錄電極。在一項191例受試者參與的研究中,用MyDiagnostick記錄并自動分析識別AF的靈敏度為94%(95%CI:87%～98%),特異性為93%(95%CI:85%～97%)[21]。

基于光電容積脈搏波描記技術的設備 大多數腕戴式可穿戴設備都依賴于光學體積描記術(photoplethysmography,PPG)來估計心率和心律。PPG是一種光學技術,可檢測皮膚表面下組織毛細血管床的血容量變化[22]。PPG波形包含脈搏波形,可能被運動偽影破壞并受到皮膚特征的影響,有待通過結合加速度計和光譜分析來克服。

三星開發的Simband包括單通道ECG(內置左右手電極)、多波長PPG和三軸加速度計,同時以128 Hz記錄數據。一項研究記錄了來自46例受試者的動態搏動和運動數據[23],其中15例患有AF,對PPG波形進行脈沖檢測,并根據逐搏變化和波形信號質量提取11個數據特征,使用10倍交叉驗證,獲得用于識別AF的優異測試特征,其識別準確率達到95%(靈敏度97%,特異性94%)。

2017年,在HeartRhythm上發表,Apple watch 3通過使用基于PPG傳感器的深度神經網絡檢測AF。該研究納入6 148例Applewatch用戶,將來自這些參與者的數據(包括1.39億心率測量值和6 338份ECG記錄)用于訓練神經網絡以自動識別AF,并在51例接受心臟復律的患者中進行了驗證。每位患者在復律前和復律后分別佩戴Apple Watch 20 min,采用12導聯心電圖作為參考標準,其識別AF的靈敏度為98%,特異性為90%。

為了提高PPG信號分析的準確性,越來越多的研究通過改進算法的智能手機應用程序,使基于PPG信號分析的醫療級智能手機應用程序在AF的篩查中起到更多的作用。前瞻性、雙中心的DETECTAF-PRO研究[24]招募了瑞士和德國兩所大學醫院的竇性心律及AF患者共592例(344例竇性心律,248例AF),使用智能手機相機在每個患者食指指尖上進行PPG記錄,使用自動算法分析PPG記錄,并與通過AliveCor Kardia記錄儀獲得的網絡心電圖(internet-enabled electrocardiography,iECG)結果進行比較,基于5 min的PPG記錄算法分析檢測到AF的靈敏度和特異性分別為91.5%和99.6%。

通過設計能夠分析識別面部PPG信號的智能手機應用程序能更加便捷地篩查AF。Yan等[25]分別記錄217例患者的面部和指尖PPG信號,同時完成常規12導聯心電圖,其中34.6%的患者用常規心電圖檢出AF,面部PPG應用也表現出較高靈敏度(95%)和特異性(96%)。面部PPG應用的陽性和陰性預測值分別為92%和97%。這種非接觸式面部PPG記錄方法的便利性對于社區AF篩查具有吸引力,并且可能有助于遠程AF篩查。

基于加速度計和陀螺儀的設備 不同于常規的PPG技術,另有研究通過心臟振動描記技術,利用智能手機的加速度計和陀螺儀設備來檢測AF[26]。該研究將智能手機放在仰臥位的患者胸部,慣性測量單元可記錄患者胸部微小的心源性活動,而陀螺儀可以增強心臟信號的信息。Lahdenoja等[26]提出信號預處理、特征提取、功能分析和預想的AF分類結果。在小規模的測試中,16例AF患者和23例正常人接受測試,均由配備谷歌Android操作系統的智能手機獲取記錄,該方法檢測AF的準確率為97.4%(靈敏度93.8%,特異性100%)。

基于脈沖式無線電超寬帶雷達技術的設備 脈沖式無線電超寬帶雷達技術(impulse-radio ultra-wideband radar,IR-UWB)也被嘗試用于心臟搏動監測以識別心律失常[27]。此技術為通過在電磁波譜中發射無線電波段并從物體接收被反射的波,雷達系統檢測物體的運動并高精度地跟蹤運動物體。由于帶寬寬,UWB系統可以具有很多優點,包括高分辨率、多徑抗性、良好的穿透力和簡單的硬件結構以及非接觸。Lee等[27]對6例健康志愿者及16例既往明確有AF的患者同時用UWB系統及常規心電圖進行監測,數據表明對健康志愿者及房顫患者而言,UWB系統記錄的心率和R-R間期與常規心電圖記錄的數據均保持高度一致性,UWB系統可以準確識別出AF。雖然該技術尚在研究中,但諸多的優點使其未來的發展值得期待。

可穿戴智能服裝 除去智能手表、手環外,嵌入傳感器的智能服裝也逐漸成為無線心電監測的研究熱點,包括智能T恤[28]、智能背心[29]、智能腰帶[30]等不同形式的智能服裝。其難點在于保證更長的續航能力及在服裝反復清洗過程中保持電極干燥,如何保證數據質量及安全性也值得進一步研究。

植入式心電監測設備 植入式心電監測設備主要包括植入式循環記錄儀(implantable loop recorder,ILR)和植入式心臟監測儀(implantable cardiac monitor,ICM)。Sanna等[5]將441例隱源性腦梗死患者隨機分為長程ICM組及常規隨訪組:在6個月的隨訪中,ICM組中8.9%的患者檢測出AF;而常規隨訪組中僅有1.4%的患者檢出AF (RR=6.4,95%CI:1.9～21.7,P<0.001)。隨著隨訪時間延長,在3年的隨訪時,ICM組累計AF檢出率高達30%,而常規隨訪組AF檢出率僅為3%[31]。在SURPRISE研究[32]中,85例隱源性腦梗死患者植入ILR,平均監測569天,其中16.1%的患者檢出陣發性AF。一項比較不同心電監測方式在短暫性腦缺血發作患者中篩查AF的Meta分析[33]表明:相較于非植入式設備,植入式設備有更高的AF檢出率和顯著優勢。然而,由于植入式設備的有創性且價格昂貴,目前僅用于臨床研究,大范圍推廣較為困難。

結語隨著人口老齡化的加劇,AF正在成為日益嚴重的醫療保健問題。研究證實房顫可導致腦梗死,而有效的抗凝治療,特別是不需要監測的新型抗凝藥,為有風險的或已患AF的人群提供了新的希望。AF患病率和發病率增加以及新技術的應用都使得開發具有成本效益的AF檢測和監測手段迫在眉睫?；谖锫摼W新技術的發展和非侵入性設備的研發為便捷檢測AF、提高陣發性AF的檢出率提供可廣闊前景。在追求良好的可接受性和可操作性的同時,需要進一步提高心電數據的質量、提升自動識別算法的準確度及保證數據存儲的安全性。期待這些新技術可以在AF的檢出和心源性腦梗死的預防中作出更大的貢獻。