人工智能在遠程心電云平臺輔助決策基層危急值心電圖中的應用價值研究

余新艷，顧志樂，張曉娟，趙曉曄，張海澄

本研究價值：

（1）本研究對人工智能（AI）在遠程心電云平臺中的應用加以闡述，有利于相關工作者了解AI在遠程心電云平臺建設中的應用價值；（2）本研究較詳盡地描述了如何通過AI技術提升“危急值”心電圖診斷時效性，為今后AI在遠程心電云平臺的應用指明了研究方向。

本研究局限性：

本研究僅列舉了AI在遠程心電云平臺輔助決策基層危急值心電圖中的應用，而未涉及AI技術輔助遠程心電云平臺上其他不同級別與性質的醫療機構，及針對同一醫療機構中不同科室的心電數據進行快速準確診斷的應用。

心電圖診斷現廣泛應用于臨床，其針對心血管疾病的檢查尤為有效，但我國精通心電圖診斷的醫生比例不到3%，供需比嚴重不平衡（1∶6 944）[1-2]，診療人才分布不均衡，基層醫療衛生機構（如社區衛生服務站、社區衛生服務中心、鄉鎮衛生院等）缺乏精通心電圖診斷的醫生（該類醫生多任職于大型三甲醫院）[3]。隨著計算機技術、通信技術與醫療技術的發展，各地紛紛通過建設“遠程心電云平臺”的方法建立“基層檢查、上級診斷”的模式以解決上述矛盾。但是，隨著我國人口老齡化進程的加快、慢性病人群數量逐年增長，基層醫療衛生機構采集并上傳至遠程心電診斷中心的心電數據呈幾何級增長，危急值心電圖的比例也相應增加。如何輔助醫生更好更快地完成心電圖診斷、解決基層醫療衛生機構心電圖診斷水平參差不齊的問題、滿足社會日益增長的心電圖診斷需求，已成為臨床亟待解決的重要問題。

人工智能（artificial intelligence，AI）起源于1950年艾倫·圖靈對機器智能的測試。AI通過利用各種模糊邏輯理論的分類及回歸算法、人工神經網絡算法、機器學習算法等技術手段，根據輸入的經驗和信息，以及構建概念，完成人類易于執行但難于形式化描述的任務，其信息存儲和信息處理能力優勢明顯[4-5]。目前，AI已經成為醫療創新的前沿領域，從新藥研發、疾病預測、高級成像到醫療管理等環節，均離不開AI技術的支持，AI已成為醫療行業的有力輔助和支撐[6-7]。因此，探索如何應用AI技術更好地協同醫生判讀心電圖、優化心電圖診斷流程、提高危急值心電圖診斷時效性顯得尤為重要。本研究通過分析基層醫療衛生機構采集并上傳至遠程心電云平臺的20 808份12導聯靜態心電圖，闡述AI在遠程心電云平臺輔助決策基層危急值心電圖中的應用價值。

1 資料與方法

1.1 資料來源 選取2019年6月至2021年6月基層醫療衛生機構采集并通過互聯網上傳至納龍遠程心電云平臺的12導聯靜態心電圖。心電圖經AI（AI組）診斷和專業心電圖醫生（醫生組）診斷后，符合“危急值心電圖診斷標準”的心電圖納入危急值組；診斷結果符合“正常心電圖”或“大致正常心電圖”的心電圖納入正常組；診斷結果雖異常但不符合“危急值心電圖診斷標準”的心電圖納入陽性組。本研究經銀川市第一人民醫院倫理委員會批準〔銀一醫倫理第（2020-110）號〕。

1.2 納入標準與排除標準 納入標準：同時具備AI診斷結果及專業心電圖醫生診斷結果的12導聯靜態心電圖。排除標準：（1）一般資料不全；（2）缺失“上傳時間”或“診斷時間”項；（3）缺失AI和/或專業心電圖醫生診斷結果。

1.3 病例采集方法 各級醫療機構工作人員使用指定賬號登錄納龍系統采集端，通過系統采集端錄入患者基本信息（姓名、性別、年齡、既往史、有無不適癥狀等），采集患者15～30 s 12導聯靜態心電圖，并通過4G/5G網絡自動上傳至納龍遠程心電云平臺。遠程心電云平臺將原始心電圖數據按預設調度方案分配至相應基層醫療衛生機構所屬遠程心電診斷中心進行診斷。在診斷中心的分析診斷端病例管理界面可以顯示患者信息、心電圖檢查時間、上傳時間、數據來源單位及采集人員的聯系方式。

1.4 預警及診斷流程 納龍遠程心電云平臺心電AI診斷算法（AI智能分析）對各基層醫療衛生機構采集的心電數據進行AI智能分析，將符合“危急值心電圖診斷標準”的心電圖自動推送至診斷分析端并進行聲音提示，同時通過后臺智能調度，將此類病例自動推送至目前登錄醫生中最高職稱者的診斷界面并置頂（夜班或節假日時自動推送至值班醫生診斷界面），以危急符號標識預警。系統確保在相應醫生診斷完上一份心電圖時自動打開預警心電圖，同時將此病例信息推送至該診斷醫生微信號進一步提醒。納龍遠程心電云平臺在診斷界面自動將AI診斷為陽性和正常的心電圖按上傳時間排序，陽性心電圖排列于正常心電圖前。經遠程心電診斷中心的專業心電圖醫生判讀后，原始心電圖診斷報告自動回傳至采集端基層醫療衛生機構，病例管理界面自動顯示病例診斷時間，對于危急值心電圖病例，診斷中心醫生依據病例管理界面顯示的數據來源單位，電話通知其采集人員及時采取120急救措施。見圖1～2。

圖1 病例預警流程Figure 1 Process of early warning of a critical ECG by the AI-based algorithm

圖2 病例診斷流程Figure 2 Process of the diagnosis of a patient with critical ECG supported by the AI-based algorithm

1.5 判讀標準 （1）危急值心電圖診斷及AI預警標準參考《心電圖危急值2017中國專家共識》[8]；（2）AI組及醫生組診斷術語參照《心電圖診斷術語規范化中國專家共識（2019）》[9]；（3）以醫生組診斷結果為“金標準”；（4）AI與醫生診斷同一份心電圖，結果相符記為“符合”，結果不符記為“不符合”；（5）診斷用時以AI組診斷為標準進行統計。診斷用時=心電圖診斷結束時間-心電圖上傳時間。

1.6 統計學方法 采用SPSS 20.0軟件進行統計學分析。符合正態分布的計量資料以（±s）表示，多組間比較采用方差分析，組間兩兩比較采用LSD-t 檢驗；計數資料以相對數表示，組間比較采用χ2檢驗；診斷一致性分析采用Kappa檢驗，以Kappa值≥0.40為兩組數據具有一致性，Kappa值在0.41 ～ 0.60具有中等一致性，在0.61 ～ 0.80具有較強一致性，在0.81～1.00具有強一致性。以 P＜0.05 為差異有統計學意義。

2 結果

2.1 診斷結果 共獲得20 808份12導聯靜態心電圖，其中男性9 322例，女性11 486例，平均年齡（63.6±13.7）歲；醫生組診斷的危急值組619份、正常組4 430份、陽性組15 759份；AI組診斷的危急值組619份、正常組4 555份、陽性組15 634份。

2.2 AI組與醫生組診斷一致性分析 AI組診斷與醫生組診斷具有強一致性〔Kappa值=0.984，95%CI（0.982，0.987），P＜0.001〕，見表1。

表1 AI組與醫生組診斷一致性分析（例）Table 1 Diagnostic agreement between AI-based and physician-based interpretation results of ECGs

2.3 AI組與醫生組診斷符合率統計 AI組診斷結果與醫生組診斷結果符合率為99.4%。

2.4 AI組診斷靈敏度、陽性預測值統計 AI組診斷靈敏度為99.4%，陽性預測值為100.0%。危急值組、陽性組、正常組的靈敏度分別為100.0%、92.1%、100.0%；陽性預測值分別為100.0%、100.0%、100.0%。

2.5 診斷平均用時統計 20 808份心電圖診斷平均用時（16.36±7.85）min，其中危急值組診斷平均用時（3.95±1.98）min、陽性組診斷平均用時（13.92±5.17）min、正常組診斷平均用時（26.75±6.57）min。危急值組、陽性組及正常組診斷平均用時比較，差異有統計學意義（F=11 295.76，P＜0.001）；其中正常組診斷平均用時較陽性組、危急值組延長（P＜0.001），陽性組診斷平均用時較危急值組延長（P＜0.001）。

2.6 心電圖診斷用時及占比統計 危急值組診斷用時介于0.60～9.99 min，陽性組診斷用時介于3.20～4.11 min，正常組診斷用時介于12.40 ～ 52.22 min，詳見表2。

表2 心電圖診斷用時及占比統計表Table 2 Distribution of seven types of time durations for making diagnoses of critical ECGs，normal ECGs，and abnormal but not critical ECGs

3 討論

隨著“國家遠程醫療信息系統建設”政策的提出、國家遠程醫療政策下“互聯網+技術”的應用及后疫情時代推動下的遠程問診、分級診療等舉措的實施，多地均加大了遠程醫療的建設力度。遠程心電云平臺的建設對心血管疾病的防治具有積極的底層支撐作用[10]，在分級診療的形勢下，其更能提升基層醫療衛生機構對心血管疾病的診療能力，而心電圖，尤其是危急值心電圖診斷的時效性必須關注。如何從同一時段大量上傳的心電圖數據中及時發現、診斷、回傳危急值心電圖并啟動危急值救治流程，是研究者在遠程心電云平臺建設中必須考慮和解決的問題。

遠程心電云平臺的基本框架是云平臺涵蓋區域內的各級醫療衛生機構將自己采集到的原始心電圖數據通過互聯網上傳至遠程心電圖診斷中心，再由專業心電圖診斷醫生出具帶有電子簽名的診斷報告并回傳至相應基層醫療衛生機構。目前各地的遠程心電診斷中心基本分為層次型、中心輻射型和融合型三類[11]。AI是一門研究、開發、延伸和擴展人類智能的理論、方法、技術及應用系統的新科學[12]，其中醫療AI是指將AI技術運用于醫療相關領域，達到賦能及提升醫療診斷水平的目的[13]。AI與醫療的合理融合將為社會提供更高效、精準、個性化的醫療服務，并將在改善醫療資源分配不均、降低醫療成本、提高醫療效率等方面發揮日益重要的作用[14-16]。AI遠程心電云平臺的搭建可充分利用AI對心電圖進行初步處理，從而在提高心電圖診斷質量的同時有效縮短診斷時間[17]。

危急值心電圖是指可引起嚴重血流動力學變化甚至危及患者生命的心電圖表現。心電圖醫生如能及時、準確地報告危急值心電圖則有助于臨床醫生迅速做出判斷、診療，從而使患者最大限度地獲得救治機會[18]。各地遠程心電診斷中心的醫療工作者時常面臨高峰期時段大量心電圖數據同時上傳至診斷中心的問題，既往多數遠程心電云平臺僅依據上傳時間順序將心電圖數據依次排列，忽視了危急值心電圖診斷的急迫性，容易貽誤患者最佳治療時間。目前多數遠程心電診斷中心均存在高峰期診斷醫生嚴重不足的問題，因此更需第一時間診斷出危急值心電圖，以利于基層醫生及時決策和快速救治患者。因此，本研究將AI技術運用于遠程心電云平臺，使平臺能依據AI預分析診斷結果進行“危急值心電圖-陽性心電圖-正常心電圖”的優先級自動排序，并顯示于診斷病例管理列表中，以提高危急值心電圖的診斷時效性，進而助力臨床決策。

本研究對20 808份12導聯靜態心電圖的診斷結果進行統計，分別依據AI診斷和專業心電圖醫生診斷列出危急值組、陽性組及正常組心電圖，結果顯示AI組與醫生組的診斷在劃分不同心電圖分組上具有強一致性。同時，本研究以醫生組診斷為對照，統計得出AI組與醫生組在心電圖不同分組上的診斷符合率達99.4%，表明本研究的AI分析具有足夠的準確度，能完成病例的預分析診斷。本研究進一步以醫生組診斷分組為金標準，統計得出AI組診斷分組的靈敏度為99.4%，陽性預測值為100.0%，表明AI診斷能準確分組心電圖，為進一步利用AI技術將分組后心電圖智能排序并實現危急值心電圖預警的目標打下堅實基礎。

心電圖診斷用時統計結果顯示，危急值組中13.89%、74.15%、94.83%、100.00%的 心 電 圖 分 別于 2 min、5 min、8 min、10 min內完成診斷，診斷最短用時僅0.6 min，最長用時也不足10 min；陽性組僅4.40%的心電圖于5 min內完成診斷，87.34%的心電圖于20 min內完成診斷，診斷最短用時3.2 min；正常組最短診斷用時12.4 min，68.24%的心電圖于30 min內完成診斷。由此表明，AI智能排序能于5 min內完成AI預判為“危急值”的多數心電圖診斷。本研究統計了各組診斷平均用時，結果顯示危急值組診斷平均用時〔（3.95±1.98 ）min〕短于陽性組〔（13.92±5.17）min〕和正常組〔（26.75±6.57 ）min〕。以上數據說明，AI技術預診斷原始心電圖數據并將之智能排序能有效降低診斷隊列中危急值心電圖的分析等待時間。

本研究發現，危急值心電圖診斷時效性優于陽性和正常心電圖，原因可能是：除AI算法準確可靠和AI排序優化診斷流程外，遠程心電云平臺還為保障診斷中心醫生能第一時間發現危急值心電圖設置了危急值心電圖特殊符號標識及聲音同步提醒預警，且將此病例信息推送至該診斷醫生微信進一步預警提醒其及時診斷，此設置在晚上及節假日只有1名醫生值班時非常重要。這些舉措進一步提高了危急值心電圖診斷的時效性，利于患者的及時救治。

將AI技術充分運用在遠程心電云平臺的建設中不但可準確協助診斷，還可大幅提升診斷的時效性，為患者提供準確快速的醫學幫助。本研究團隊今后也將繼續探索如何提高和保障AI診斷的準確性，尤其是多樣化危急重病例的識別上如何更好發揮AI優勢[19-21]，關注和解決AI大數據技術安全保障、AI分析用戶信息安全、院內數據與AI技術融合壁壘、AI分析后生成的無效擾亂數據等問題[22]。同時也要時刻牢記“AI不可取代專業心電圖醫生診斷，只能協助診斷”的原則，使AI妥善地應用于醫學領域，達到解放部分人力的效果[23-25]。

綜上所述，有AI加入的遠程心電云平臺不但可準確協助醫生診斷，還可提高遠程心電診斷中心醫生對危急值心電圖的響應時效，縮短危急值心電圖診斷時間，有助于基層醫療衛生機構危急重患者的救治。

作者貢獻：余新艷進行研究的實施與可行性分析、數據收集、撰寫論文；顧志樂進行數據整理、結果的分析與解釋；張曉娟進行審校；趙曉曄進行統計學處理；張海澄進行文章的構思與設計、對文章整體負責、監督管理。

本文無利益沖突。