人工智能心電圖對(duì)心力衰竭患者猝死風(fēng)險(xiǎn)的評(píng)估

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(jì)、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(cè)人工無法識(shí)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(dòng)[4-5]的發(fā)現(xiàn)及識(shí)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(jì)算機(jī)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(huì)改變我們對(duì)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(xiǎn)，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(xiǎn)的研究數(shù)據(jù)。因此，評(píng)估心力衰竭患者SCD 風(fēng)險(xiǎn)對(duì)于臨床決策至關(guān)重要。

目前SCD 風(fēng)險(xiǎn)的評(píng)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(huì)（NYHA）心功能分級(jí)，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(duì)LVEF＞35% 患者的SCD 風(fēng)險(xiǎn)分層仍是空缺。Shiraishi 等[8]評(píng)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(cè)出SCD 風(fēng)險(xiǎn)分類，并改善心衰患者的風(fēng)險(xiǎn)分層，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks, CNN）和長(zhǎng)短期記憶預(yù)測(cè)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(cè)SCD，以及將ECG-AI 指數(shù)與SCD 的常規(guī)預(yù)測(cè)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(jí)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(jí)和非SCD 競(jìng)爭(zhēng)風(fēng)險(xiǎn)來評(píng)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(cè)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(jì)模型，由CNN 構(gòu)建的ECG-AI 模型在檢測(cè)疾病、預(yù)測(cè)心功能和估計(jì)預(yù)后方面，能夠檢測(cè)出SCD 風(fēng)險(xiǎn)分類的重要特征，改善心力衰竭患者的風(fēng)險(xiǎn)分層。此外，與ICD 的常規(guī)指征相比，ECG-AI 聯(lián)合模型對(duì)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(duì)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(gè)ECG-AI 模型來預(yù)測(cè)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(xiǎn)預(yù)測(cè)在臨床實(shí)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(cè)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(píng)估[9]，這是其在臨床實(shí)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(yàn)?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(zhǎng)的臨床研究數(shù)據(jù)決定人工智能工具的附加價(jià)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(yàn)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(shí)與人工智能心電圖結(jié)合，有望改變臨床治療及護(hù)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(jī)器學(xué)習(xí)算法，加強(qiáng)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(jìn)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(bǔ)現(xiàn)有手段的不足。