人工智能(AI)模型已经被证实可以通过一种快速、无创的10秒测试来识别间歇性房颤患者，而目前的测试需要花费数周甚至数年的时间。

        研究人员已经训练了一个人工智能模型来检测正常心律下病人10秒心电图(ECG)中房颤的特征。这项研究涉及近18.1万名患者，发表在《柳叶刀》(Lancet)杂志《》()上，是首个使用深度学习来识别可能未被发现的房颤患者的研究，总体准确率为83%。这项技术在心电图中发现了一些信号，这些信号可能肉眼看不到，但包含了有关房颤存在的基本信息。

        心房纤颤估计影响美国270 - 610万人的[1]，并与增加中风、心力衰竭和死亡的风险有关。单次心电图很难检测出来，因为病人的心脏会在这种异常的节律中进进出出，所以房颤常常无法被诊断出来。

        美国梅奥诊所(Mayo Clinic)心血管医学部主任保罗·弗里德曼(Paul Friedman)博士说:“将人工智能模型应用到心电图上，可以检测出房颤，即使记录心电图时房颤并不存在。这就像现在看着大海，就能知道昨天有大浪。”

        他指出:“目前，人工智能已经在需要临床调查的人群中接受了使用心电图的训练，但在不明原因的中风患者和总体人群中都没有，所以我们还不确定它在诊断这些人群方面会有什么表现。”然而，用一种非侵入性且广泛可用的检测方法进行快速、廉价的检测，或许有一天能够帮助识别未确诊的房颤，并指导重要的治疗，预防中风和其他严重疾病。”[2]

        在不明原因的卒中后，准确检测房颤是很重要的，这样房颤患者就可以接受抗凝治疗，以降低卒中复发的风险，而其他患者(可能会受到这种治疗的伤害)则不会。目前，这种情况下的检测需要数周到数年的监测，有时需要植入设备，这可能会使患者面临复发性中风的风险，因为目前的方法并不总是准确地检测出心房纤颤，或耗时过长。

        心房纤颤患者的心脏会发生结构变化，如心室扩大。在超声心动图等标准成像技术能够看到这些变化之前，很可能存在与房颤相关的心脏纤维化(瘢痕)。此外，房颤的存在可能会暂时改变心肌的电学特性，即使它已经结束。

        研究人员着手训练神经网络——一种深度学习人工智能识别的细微差别标准心电图被认为是由于这些变化,尽管神经网络“黑匣子”和特定的驱动他们的观察结果是未知的。作者使用了1993年12月至2017年7月期间从近18.1万名[3]患者(约65万心电图扫描)采集的心律心电图，将数据分为阳性或阴性房颤患者。

        心电图数据分为三组:培训、内部验证和测试数据集与培训组的70%,10%的失效和优化,测试组的20%(454789年ECG训练数据集,126526名患者的64340 ECG验证数据集和130802年18116例ECG从测试数据集)的36280名患者。

        人工智能在识别房颤的存在方面表现良好:对每个病人的第一次心电图输出进行测试，准确率为79%(单次扫描)，而对同一病人使用多个心电图时，准确率提高到83%。需要进一步的研究来确定特定人群的表现，如不明原因卒中(来源不明的栓塞性卒中- ESUS)或心力衰竭患者。

        该研究的作者还推测，有一天，这项技术可能会被用于医生的外科手术中作为一种定点诊断测试来筛查高危人群。对高血压、糖尿病或65岁以上的人进行房颤筛查有助于避免疾病。然而，目前的检测方法是昂贵的，并确定一些病人。此外，这种检查目前需要戴一个大而不舒服的心脏监测器几天或几周。

        来自美国梅奥诊所的研究合作者姚晓曦博士说:“我们的算法有可能应用于低成本、广泛可用的技术，包括智能手机，但是，在广泛应用之前，这需要更多的研究。”[2]

        作者指出了一些局限性，并在他们的工作到达诊所之前进行了进一步的研究。与一般人群相比，被研究人群可能有更高的房颤患病率。因此，人工智能被训练来对临床诊断的心电图进行回顾性分类，而不是对健康患者或不明原因中风患者进行预测，并且在广泛应用于更广泛的健康人群筛查之前，可能需要进行校准。

        如果患者没有证实诊断结果，就会被认为是房颤阴性，但也可能有一些患者没有被诊断出来，并被错误地贴上了标签，因此人工智能可能已经识别出了之前的测试没有发现的东西。另一方面，人工智能识别出的一些假阳性患者有房颤病史(尽管被人类归为阴性)，实际上可能患有未确诊的房颤。由于人工智能只取决于数据的好坏，所以当测试应用于其他人群(比如没有心电图的个体)时，人工智能会受到训练，以防止可能出现的解释错误。

        阿德莱德大学和澳大利亚阿德莱德皇家阿德莱德医院的Jeroen Hendriks博士在一篇相关评论中说:“总而言之，我们要祝贺Attia和他的同事们所采用的创新方法，以及人工智能心电图的全面发展和本地验证。考虑到人工智能算法最近在诊断性能上达到了心脏病学家的水平，这种AI- ecg解释在创建一种算法来揭示心电图显示窦性心律的房颤可能性方面是开创性的。”

        来源：Medindia

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！