人工智能心電圖在遺傳性心律失常診斷中的應用研究

徐平小

關鍵詞：人工智能心電圖;遺傳性心律失常;診斷應用

【中圖分類號】 ?R541.7【文獻標識碼】A 【文章編號】1673-9026（2022）16--01

引言

心律失常是一種比較常見的心血管疾病，診斷比較容易，大部分患者只需要常規心電圖就可以確診，但是常規心電圖監測時間短，難以捕獲偶爾出現的或短暫的遺傳性心律失常信號。植入式心電圖儀雖然能夠進行長時間的持續監測，但其成本較高，植入及取出時需要進行有創的操作，患兒的接受度較低，因此在臨床上很難推廣使用。因而，能夠對患兒的心率進行長時間監控的敏感、可靠的體外可穿戴裝置是非常必要的。

1資料與方法

1.1一般資料

選取我院2021年2月至2022年2月收治的遺傳性心律失常患兒共100例，按照隨機抽簽的方式分為觀察組（50例）和對照組（20例）。觀察組遺傳性心律失常男23例，女27例。年齡在1-7歲，平均年齡為（5.74±1.36）歲。對照組遺傳性心律失常男24例，女26例。年齡在2-8歲，平均年齡為（5.44±2.16）歲。兩組遺傳性心律失常臨床資料無顯著差異（p>0.05），具有可比性。

1.2方法

對照組選用日本光電公司生產的9130 P心電掃描儀為主要檢測對象，該儀器的走紙速度為25mm/s，以確保基線不受干擾，同時還要確保孩子的情緒穩定，以確保影像的清晰度，并將檢查結果記錄下來。觀察組采用人工智能心電圖，選擇美國APPLE公司設計生產的APPLEWATCH作為監測儀器，采集24小時的心電圖，確保在測試期間孩子的情緒穩定，并做好詳細的記錄。

1.3觀察指標

對兩組患兒的檢出率進行計算，其中主要包括傳導阻滯、室性期前收縮、室性心動過速、室上性心動過速和房性期前收縮，對其總檢出率進行計算。

1.4統計學處理

應用SPSS25.0軟件對數據進行分析，其中，計量資料（x±s）表示，采取t檢驗，計數資料n（%）表示，x2檢驗，P<0.05差異有統計學意義。

2結果

觀察組患兒和對照組患兒的檢出率分別為94.00%和34.00%，兩組患兒的檢出率數據差異顯著，存在意義（P<0.05），如表1所示：

根據統計，在我國城鄉居民中心血管疾病的死亡率是第一位的，而對其進行實時的心臟運動監測，對其進行早期防治非常重要。隨著醫學與信息技術緊密結合、可穿戴式及便攜式心電圖監視器以及能監測心跳、提供某些衛生服務的醫療衛生系統迅速發展與普及，推動了遺傳性心律失常的發現。一般認為遺傳性心律失常的預后優于癥狀型心律失常，但也有少數例外情況，例如房顫、非持續性室性心動過速。眾所周知，心律失常的出現通常是陣發性、一過性、偶發性的，現有的醫學監控技術都是在醫院里進行的，而且對心肌的運動進行的監控不可能連續的進行，這就限制了對遺傳性心律失常的檢測。當前可穿戴式儀器對心律失常的辨識精度仍較現有的常規 ECG技術要低很多，今后的研究將集中在該技術與實時心電圖檢測技術相結合的方法上。近幾年，可穿戴式智能裝置的出現和發展，為長期對患兒的心率進行監控提供了更為合理的方法。一種方法是長時間戴著智能手表或者手鏈，這種裝置利用內建的感應器來監測細胞內的血液流動，產生心跳曲線，并利用人工算法來間接地辨識出不規則的心律，從而為后續的檢測提供線索。“Apple Watch”等可穿戴設備可以在院外長期監測心率，并利用人工智能對心律失常進行監測，對疑似心律失常的使用者會得到系統的提醒，提醒其盡快就醫，同時，醫生也可以根據這些信息來判斷是否需要進行心電圖和動態心電圖，從而判斷是否有“真正”的心律失常。華為也在國內進行了類似的調查，得到了類似的資料，這種可穿戴式醫療器械的使用，將大大提高醫療診斷效率，節約醫療資源。但現有的智能可佩戴裝置，大多是通過對手腕血流的檢測來間接地檢測心率，從而產生誤差，而貼片式的心電監護系統在歐美等國家的一些藥品已被有關部門批準用于臨床診斷。通過定點提醒、漏服報警等方式監控患兒的用藥情況，可以明顯提高患兒的用藥遵從性。同時，利用智能軟件進行心臟功能不全的綜合治療，也是當前臨床上的一個重要課題。目前市場上已經有一些智能軟件，可以針對患兒的病情進行個性化的宣傳，以幫助患兒了解病情。隨著時代的發展，技術的進步，希望越來越多的公司能將人工智能技術運用到智能可穿戴裝置中，對使用者的身體狀況進行實時、準確的記錄，并捕捉到心律失常的發生，從而幫助人們及早發現和處理無癥狀心律失常，從而降低和預防心血管不良事件。除了提高患兒的治療依從性，患兒也可以在客戶服務中詢問或反饋他們的治療狀況。醫患雙方利用智能軟件實現了一個良性的、閉環的交互，從而達到改善患兒滿意度和療效的目的。隨著5 G時代的來臨，人工智能技術的不斷發展，新一代的醫學模式已經初露端倪。人工智能不僅可以幫助醫師提升診斷的效率、優化醫療資源的使用，還可以提升患兒的診療經驗，提升患兒的生活質量。目前我國醫療資源的日益緊缺，隨著人口老齡化的來臨，將人工智能技術運用于臨床診斷和個性化治療是今后發展的必然趨勢。人工智能技術將醫療產業鏈進行了進一步的優化，將會使整個醫療行業的發展變得更加高效、更加高效，這將是一種對整個人類都有好處的技術。

參考文獻：

[1] 史靜.動態心電圖與常規心電圖診斷冠心病患者心肌缺血及心律失常的臨床效果比較[J].影像研究與醫學應用.2020，（10）.56～58.

[2] 鄭帆，白一蘋.常規心電圖與動態心電圖對冠心病心律失常的診斷價值比較[J].山西醫藥雜志.2020，（16）.2201～2202.

[3] 劉洪.分析冠心病心律失常患者診斷中常規心電圖（EcG）和動態心電圖（DCG）的診斷效果[J].影像研究與醫學應用.2020，（5）.48～49.

[4] 李艷艷，賈偉.24h動態心電圖在2型糖尿病合并冠心病患者心律診斷中的價值分析[J].陜西醫學雜志.2019，（1）.61-63，70.