百年心電綻芳華: 心電圖臨床應用進展及展望

張海澄

自1887 年沃勒(Waller)首次描記出人體表心電圖、1903 年艾因特霍芬(Einthoven)最早報告其應用于臨床后的120 年里,心電圖技術已廣泛應用于臨床各科室,成為繼血、尿、便檢查之后的第四大常規檢查項目。 艾因特霍芬對弦線式心電圖機進行了改進并將其應用于臨床,同時他命名了P 波、QRS波和T 波,發明了雙極肢體導聯,1924 年榮獲諾貝爾生理學或醫學獎。 這也成為心電學的高光時刻。近年來,心電學領域的迅猛進展令人目不暇接,百年來長盛不衰的技術綻放出爍爍芳華。

1 遠程心電給心電學發展插上翅膀

早在1928 年,我國就引進了Cambridge 公司生產的兩臺心電圖機。 那時的心電圖機體積龐大,為避免產生干擾波,只能固定在機房,連接四肢的四條導聯線(當年只有標準雙極肢體導聯Ⅰ、Ⅱ、Ⅲ)穿過墻壁留置在需要做心電圖的病室內。 對患者進行心電圖檢查時,操作者先連接好患者四肢的導聯,再回到機房內操縱心電圖機描記心電圖。 這其實是有線遠程描記的雛形,直到今天,腦電波監測、睡眠監測仍在沿用這種操作模式。 此后隨著電子技術的不斷發展與相關設備的升級換代,尤其是電子管及后來晶體管的應用使心電圖機的體積越來越小,可以推到患者的床旁描記心電圖。 這就是至今廣泛使用的床旁心電監測。

1988 年,通過有線電話傳輸的遠程心電圖首次突破了心電檢查過程中距離的限制,但由于技術本身的缺陷,電話傳輸(包括手機GPRS 傳輸)心電圖的方法僅僅是曇花一現,并未廣泛應用于臨床。 隨著無線技術的發展,在一定距離內遠程監測多位患者的心電圖成為可能。 隨著藍牙技術的成熟以及4G、5G 和Wifi 的高效實時傳輸,加上存儲介質的迅猛進展,遠程心電技術才真正廣泛應用于臨床各種場景,便利連接各級各類醫療機構、醫聯體、養老機構、家庭病床等。

遠程心電監測對于心律失常等疾病的診治具有較高的臨床價值,徹底改變了既往的心電檢查流程,使診療效率明顯提升,也彌補了傳統心電圖機難以捕捉一過性異常心電信號、動態心電圖監測時間較短等缺憾,在心血管疾病的早期診斷、預警、監測和治療等方面具有較高的應用價值。 此外,心電遠程監測技術還能對多位患者進行集中監控和管理,應用簡便,設備易于攜帶,患者自由度較高,對長程監護的接受度和依從性較好,因此迅速得到推廣。 尤其是在急性冠脈綜合征的心電監護、心律失常的診斷和治療監測、不明原因暈厥的尋因、無癥狀性心房顫動(簡稱房顫)的篩查、心臟電子植入設備的監測、介入治療的監護和管理、睡眠呼吸暫停綜合征的初篩等領域,遠程心電監測技術正顯現出越來越多的優勢。

在新型冠狀病毒感染(簡稱新冠感染)全球大暴發期間,遠程心電監測更是發揮了無與倫比的作用。 利用無線采集、無線傳輸技術,可使心電圖的采集和診斷實現分離操作——由防控區醫護人員完成數據采集后,通過網絡實現遠程診斷,能夠降低人員流動性、減少人員接觸,有效防范院內交叉感染。 2021 年美國心律學會、歐洲心律學會、亞太心律學會、拉丁美洲心律學會、美國心臟病學會、美國心臟協會在《歐洲心臟起搏雜志》(Europace)聯合發表了《疫情時代遠程醫療及心律失常監測更新》,指出美國紐約和中國武漢的新冠感染患者心律失常院內患病率分別為7.9%和16.7%,ICU 的重癥新冠感染患者心律失?；疾÷矢歉哌_44%,其中6%的患者出現惡性心律失常(如室性心動過速和心室顫動)[1]。

多導聯遠程心電監測也在心律失常之外的領域得到越來越多的應用。 遠程心電監測能幫助醫生在胸痛患者送達醫院之前就掌握其心電圖狀況,并據此判定患者是否需要進行溶栓治療或冠狀動脈介入治療。 意大利一項研究顯示,遠程心電監測可顯著提高ST 段抬高型心肌梗死患者的再灌注治療效率[2]。

2 三維心電讓心電圖形直觀展示

心電圖基于時間軸和電壓軸這兩個維度,輔以不同的導聯,得以從不同視角觀察心電變化。 心電學一直是比較抽象的臨床課程,要想讀懂、用好心電圖,即便對于心血管內科醫生也絕非易事。

百年來,研究者一直致力于研發三維立體心電圖,曾嘗試開發出了正交心電圖、心電向量圖、立體心電圖等,但僅用于有限的研究與探索,均未能深入應用于臨床。 隨著心腔內三維電解剖標測系統的不斷成熟,其被廣泛應用于心內電生理檢查和導管消融,人們對體表三維心電圖的興趣重新被激發,并很快研發出了體表三維電解剖標測技術,目前已在臨床得到初步應用。

體表三維電解剖標測借鑒了心腔內三維標測系統和既往體表等電位圖標測原理,應用具有若干個電極的可透X 線背心,從心臟的上、下、前、后、左、右全方位實時記錄心電信號,在CT 三維結構重建的基礎上,合成三維電解剖標測系統,以直觀顯示心電的起源、動態傳導徑路和電位變化。 該技術的原理類似于全球定位系統,易于掌握使用且兼容性強,已成為一個直觀展示心電圖的立體平臺。 它不僅可用于診斷心律失常,而且還可用來指導導管消融。 體表三維電解剖標測的準確可視化、影像化建?？焖贅藴y方法以及優化的工作流程,進一步提升了心律失常的診治效率,具有廣闊的應用前景。

3 便攜心電使心電技術扎根百姓

隨著電子技術日新月異的發展,心電檢測儀逐漸向便攜式、可穿戴化方向發展。 可穿戴心電監測設備具有輕便、小巧、易佩戴等優點,已廣泛應用在發熱門診、隔離病區和ICU 病房。 患者能自主完成可穿戴心電設備的操作,并將采集的心電數據通過手機或網絡傳輸至云端,由醫生進行遠程診斷,因此,該設備已越來越多地應用于以患者為中心的心電捕捉與監測場景。 這樣既能實現心律失常的遠程檢查,又能進行長時程遠程心電監測及動態心電分析,尤其是對服用了可能延長QT 間期藥物的患者,可實施QT 間期遠程監測,有助于防止惡性心律失常甚至猝死等并發癥的發生。 通過便攜式心電監測儀,不僅可描記實時心電圖,還可了解心率變異性、初篩睡眠呼吸暫停綜合征患者等。

此外,應用植入式心電儀進行更長時間(可達3 年)的監測,還能大大提升暈厥病因的診斷率以及隱源性腦卒中房顫的檢出率。 這是由于普通心電圖及動態心電圖的記錄時間有限,對房顫(尤其是陣發性房顫)的診斷敏感性較低。 24 h 動態心電圖對無癥狀性房顫的檢測敏感性為44% ～66%,而植入式心臟事件記錄儀的檢測敏感性高達91%[3]。美國心臟協會和美國卒中協會(AHA/ASA)聯合發布的腦卒中和短暫性腦缺血發作二級預防指南[4]以及我國相關指南[5]均推薦對原因不明的隱源性腦卒中患者延長心電監測時間,以確定有無抗凝指征(Ⅱa 類推薦,證據級別C)。

4 人工智能引領心電新潮流

心電圖機的自動診斷是醫療領域應用人工智能的最早嘗試。 基于大數據的心電數據庫,利用復雜算法可對心電圖進行快速自動診斷和分析。 此后,隨著人工智能技術,尤其是基于神經網絡的深度學習方法的迅猛發展,研究者對人工智能在心電領域的應用也開展了深入探索。 人工智能心電圖的深度學習,采用的是一種能僅從原始數據中提取信息并學習的模式。 與傳統心電圖相比,人工智能心電技術在信號輸入、特征提取和分類、通道數和抗干擾能力等方面都有了極大的提升,并且在深度學習的賦能下仍在不斷完善和升級。

ATTIA 等[6]采集了44 959 例患者的12 導聯心電圖和超聲心動圖來訓練卷積神經網絡,然后運用這種深度學習方法從心電圖中識別出左心室收縮功能受損的患者(射血分數＜35%),最后再用52 870 例患者的數據對該方法進行測試。 結果顯示,根據心電圖診斷心臟機械功能障礙的受試者工作特征曲線下面積(area under curve, AUC) 為0.93,優于血液檢測B 型鈉尿肽(AUC 值為0.79 ～0.89)。 嗣后應用深度學習方法,根據患者首個正常竇性心律的心電圖預測陣發性房顫。 人工智能可輔助CHA2DS2-VASc 評分指導隱源性腦卒中患者的抗凝治療。

KWON 等[7]通過應用卷積神經網絡,對原始12導聯心電圖信號、心電圖數字特征(心率、QT 間期、QRS 波持續時間、QTc 等)進行分析,篩選重度主動脈狹窄患者,在10 865 例患者中進行驗證并取得了良好結果,AUC 值為0.884。 隨后,KWON 等[8]又對有明顯二尖瓣反流的患者重復了上述研究方法,選取24 202 例患者的56 670 份心電圖進行訓練,外部驗證則測試了另一家醫院的10 865 份心電圖;結果表明,該模型具有較高的敏感性和陰性預測值,但特異性和陽性預測值均較低,提示該模型可作為排除二尖瓣反流診斷的篩查工具。

SABOVCˇIK 等[9]研究表明,改良的卷積神經網絡模型通過深度學習訓練,可依據體表心電圖預測患者是否存在肺動脈高壓、肥厚型心肌病、心臟淀粉樣變和二尖瓣脫垂,結果令人滿意;檢測肥厚型心肌病時的AUC 值更是高達0.91 ～0.96,提示人工智能心電圖可以作為上述疾病的篩查工具。

在解讀心電圖并據此進行疾病診斷的過程中,深度學習模型體現出了較為明顯的優勢,極具發展前景。 全自動、準確、無偏見、無歧義的人工智能心電圖分析在未來不再是不可想象的。

5 展望

心電圖作為一種廉價且廣泛使用的檢測手段,有望用于無癥狀左心室功能障礙、房顫或其他疾病的識別,至少可以作為篩查手段實現對相關疾病的早診斷、早治療。 盡管目前在數據訪問和模型共享方面仍存在困難,加之受限于原有信息基礎設施的靈活性不足,但相信隨著人工智能心電圖模型的不斷完善、普及和標準化,深度學習模型一定能在優化心臟疾病的診斷和管理中發揮更大作用。