科普天地丨人工智能心電算法對(duì)臨床心律失常檢測(cè)的有效性評(píng)估
心律失常是由于竇房結(jié)激動(dòng)異常或激動(dòng)產(chǎn)生于竇房結(jié)以外，激動(dòng)的傳導(dǎo)緩慢、阻滯或經(jīng)異常通道傳導(dǎo)，即心臟活動(dòng)的起源和/或傳導(dǎo)障礙導(dǎo)致心臟搏動(dòng)的頻率和/或節(jié)律異常。全世界因心律失常誘發(fā)突發(fā)性心搏停止導(dǎo)致死亡的患者比例占所有因心血管疾病而死亡患者數(shù)量的1/2。
臨床心電圖是醫(yī)學(xué)界廣泛認(rèn)可的用于篩查和診斷心律失常的方法。然而目前中國(guó)的心電醫(yī)生供不應(yīng)求，能熟練并準(zhǔn)確讀取識(shí)別心電圖的醫(yī)生數(shù)量更少。
另一方面，目前大多數(shù)12導(dǎo)聯(lián)心電圖自動(dòng)診斷的可靠性仍然較低。因此，迫切需要更有效的手段來(lái)實(shí)現(xiàn)心電圖的自動(dòng)識(shí)別。隨著計(jì)算機(jī)智能技術(shù)的飛速發(fā)展，人工智能技術(shù)在部分醫(yī)學(xué)領(lǐng)域取得了巨大發(fā)展，已成功應(yīng)用于心血管疾病的診斷和治療。
深圳市寶安中醫(yī)院與樂(lè)普人工智能心電醫(yī)學(xué)團(tuán)隊(duì)合作，評(píng)估基于人工智能的AI-ECG心電算法對(duì)心律失常檢測(cè)的有效性，為未來(lái)人工智能指導(dǎo)臨床治療提供實(shí)踐基礎(chǔ)，幫助臨床醫(yī)生更加咼效準(zhǔn)確地完成臨床實(shí)踐工作。
1.1?一般資料
選擇2018年9月至2019年9月于深圳市寶安中醫(yī)院實(shí)行人工智能心電網(wǎng)絡(luò)系統(tǒng)就診的13145例患者，共收集13949份心律失常樣本。
納入標(biāo)準(zhǔn)：年齡≥18周歲。排除標(biāo)準(zhǔn)：年齡<18周歲以及使用起搏器的患者。所有靜態(tài)心電檢查的診斷標(biāo)準(zhǔn)均符合《內(nèi)科學(xué)》的要求。所有臨床資料均征得患者家屬的知情與同意，并已獲醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)。
13145例研究對(duì)象資料包括門(mén)診3888例，住院3637例，體檢5620例；其中，男6919例，女6226例，年齡18?103歲，年齡中位數(shù)32歲。
1.2方法
1.2.1數(shù)據(jù)采集方法
本項(xiàng)目使用由樂(lè)普醫(yī)療生產(chǎn)的ECG-112M型12導(dǎo)聯(lián)心電圖機(jī)，以25mm/s的紙速、10mm/mV的增益，于安靜環(huán)境下對(duì)患者進(jìn)行心電圖檢查，并要求其保持平臥，全身放松。數(shù)據(jù)采集結(jié)束后上傳至樂(lè)普人工智能心電分析軟件(AI-ECG Platform)進(jìn)行計(jì)算機(jī)分析，得到人工智能算法的分析結(jié)果。
1.2.2評(píng)價(jià)方法
由2位深圳市寶安中醫(yī)院醫(yī)師根據(jù)心電圖對(duì)受試者的心律狀態(tài)做出診斷，若診斷結(jié)果一致，則作為金標(biāo)準(zhǔn)，若不一致則提交3名心電臨床專(zhuān)家復(fù)核,3位專(zhuān)家的一致性結(jié)果作為金標(biāo)準(zhǔn)，排除診斷不一致的數(shù)據(jù)。比對(duì)金標(biāo)準(zhǔn)與人工智能算法的分析結(jié)果，評(píng)估人工智能算法檢測(cè)心律失常的準(zhǔn)確性。
1.3統(tǒng)計(jì)學(xué)方法
采用篩檢試驗(yàn)中的靈敏性、特異性、陽(yáng)性預(yù)測(cè)率、陰性預(yù)測(cè)率及正確率來(lái)評(píng)估人工智能算法與金標(biāo)準(zhǔn)對(duì)比研究的有效性。
根據(jù)《北京市第二類(lèi)體外診斷試劑臨床試驗(yàn)指導(dǎo)原則(2016版)》，使用SPSS21. 0統(tǒng)計(jì)學(xué)軟件并采用Kappa系數(shù)評(píng)價(jià)兩類(lèi)結(jié)果的一致性。若Kappa系數(shù)^0.75,表明結(jié)果一致性強(qiáng);0.75 > Kappa系數(shù)N0. 4,表明結(jié)果一致；Kappa系數(shù)<0.4,表明結(jié)果不一致。計(jì)數(shù)資料以百分率表示。
2.1 AI-ECG人工智能算法測(cè)試17類(lèi)心律失常
事件本研究收集了AI-ECG分析的13949份心律失常樣本，共統(tǒng)計(jì)出17種類(lèi)型心律失常事件。
其中，如表1所示，序號(hào)1?3為竇性心律失常事件，患病樣本量分別為竇性心律不齊9966例、竇性心動(dòng)過(guò)緩 4871例、竇性心動(dòng)過(guò)速1317例；
序號(hào)4為房顫事件，患病樣本量225例;
序號(hào)5?9為室上性心律失常事件，患病樣本量分別為室上性早搏698例,室上性心動(dòng)過(guò)速42例，室上性早搏成對(duì)97例，室上性早搏二聯(lián)律41例，室上性早搏三聯(lián)律12例;
序號(hào)10?12 為室上性逸搏類(lèi)心律失常事件,患病樣本量分別為房 性逸搏心律42例，房性逸搏33例，交界性逸搏14例;
序號(hào)13?17為室性心律失常事件，患病樣本量分別為室性早搏310例，室性早搏二聯(lián)律13例，室 性早搏成對(duì)6例，室性早搏三聯(lián)律4例，室性逸搏5例。
由AI-ECG診斷的所有心律失常事件的特異性和準(zhǔn)確率均高于99% 。除竇性心動(dòng)過(guò)速、室上性心 動(dòng)過(guò)速、室上性早搏二聯(lián)律、室上性早搏三聯(lián)律和室性早搏的靈敏性分別為97. 48%、90. 91%、92. 00%、90. 00%和98.65%外，其余12類(lèi)心律失常事件的靈敏性均高于99%。
實(shí)驗(yàn)數(shù)據(jù)表明2種方法所檢測(cè)的17類(lèi)心律失常事件均具有一致性，其中，有11類(lèi)心律失常事件的Kappa系數(shù)三0.75,表明二者間具有強(qiáng)一致性。
《中國(guó)心血管病報(bào)告2018》指出，中國(guó)心血管疾病的患病率仍處在持續(xù)上升的階段，預(yù)估患病人數(shù)已達(dá)2.9億，死亡率一直居高不下。心血管疾病導(dǎo)致的死亡占居民疾病死亡的40%以上，居各類(lèi)疾病誘發(fā)死亡的首位。
全球范圍內(nèi)，心律失常和心臟性猝死是人類(lèi)健康最大的危險(xiǎn)因素。長(zhǎng)期以來(lái)，心電圖是臨床醫(yī)學(xué)上用于心律失常篩查和診斷最常規(guī)的方法。傳統(tǒng)的心電圖數(shù)據(jù)高度依賴(lài)人工對(duì)特征的提取，由于長(zhǎng)時(shí)間工作，人工診斷容易出現(xiàn)疲勞而影響心電圖報(bào)告的準(zhǔn)確性。
隨著計(jì)算機(jī)智能技術(shù)的飛速發(fā)展，中國(guó)于20世紀(jì)80年代開(kāi)始引進(jìn)心電圖自動(dòng)分析系統(tǒng)。AI-ECG Platform將人工智能技術(shù)和心電圖診斷結(jié)合起來(lái)，對(duì)心搏進(jìn)行精準(zhǔn)識(shí)別并確定心電圖中各種類(lèi)型的心律失常，幫助臨床醫(yī)生快速準(zhǔn)確地閱讀分析心電圖。因此，我們開(kāi)展了對(duì)AI-ECG Platform臨床有效性的評(píng)估工作。
深圳市寶安中醫(yī)院與樂(lè)普人工智能心電醫(yī)學(xué)團(tuán)隊(duì)合作，采用其研發(fā)的AI-ECG Platform，基于深度學(xué)習(xí)算法（卷積神經(jīng)網(wǎng)絡(luò)）的先進(jìn)心電圖分析引擎來(lái)自動(dòng)提取患者心電圖特征。以2位深圳市寶安中醫(yī)院醫(yī)師根據(jù)心電圖對(duì)受試者的心律狀態(tài)做出的一致診斷作為金標(biāo)準(zhǔn)，評(píng)估人工智能算法檢測(cè)心律失常的準(zhǔn)確性。
本研究結(jié)果顯示，AI-ECG診斷17類(lèi)心律失常事件的綜合靈敏性、特異性和準(zhǔn)確率分別為 98.08%＞99.84%和99.84%。其中，竇性心律失常和房顫事件的靈敏性（均>97%）、特異性（均>99%）和準(zhǔn)確率（均＞99%）都較高,且Kappa系數(shù)均＞98%說(shuō)明AI-ECG診斷與金標(biāo)準(zhǔn)之間具有一 致性。
有研究發(fā)現(xiàn)，使用華為手機(jī)基于光電容積脈搏波描記法原理（photoplethysmography，PPG）的房顫篩查的陽(yáng)性預(yù)測(cè)率為91. 6%。第68屆美國(guó)心臟病學(xué)會(huì)科學(xué)年會(huì)報(bào)告了使用蘋(píng)果Apple Watch設(shè)備檢測(cè)受試者房顫的陽(yáng)性預(yù)測(cè)值為0.84。
然而，本研究使用AI-ECG Platform的人工智能算法診斷的房顫陽(yáng)性預(yù)測(cè)率高達(dá)98.67%綜合比較表明，人工智能心電算法對(duì)竇性心律失常和房顫事件的識(shí)別能滿足臨床需求。
其余的室上性心律失常、室上性逸搏類(lèi)心律失常及室性心律失常事件的靈敏性 (均〉90%)、特異性(均>99%)和準(zhǔn)確率(均〉99%)也都較高，Kappa系數(shù)均〉0.4，說(shuō)明AI-ECG診斷與金標(biāo)準(zhǔn)之間具有一致性，顯示出AI-ECG診斷應(yīng)用于臨床的巨大潛力，但受限于收集的發(fā)病率及樣本總量，對(duì)患者樣本量較小(<100)的心律失 常事件的準(zhǔn)確性還需要進(jìn)一步評(píng)估。
此外，AI-ECG人工智能算法在V5.V6導(dǎo)聯(lián)嚴(yán)重干擾的情況下，仍可準(zhǔn)確識(shí)別竇性心動(dòng)過(guò)速、室上性早搏和三聯(lián)律等心律失常事件。這表明AI-ECG人工智能算法分析具有強(qiáng)的抗干擾能力。綜上所述，基于人工智能的 AI-ECG心電算法對(duì)心律失常的檢測(cè)結(jié)果與臨床心電圖檢測(cè)結(jié)果高度一致，具有良好的臨床應(yīng)用前景。
基于此，我們開(kāi)展了對(duì)于AI-ECG Platform臨床有效性評(píng)估工作，第1階段篩選了心律失常的臨床 樣本進(jìn)行測(cè)量和分析，研究證實(shí)AI-ECG對(duì)靜態(tài)心電圖心律失常分析具有較高的臨床價(jià)值。但受限于收集的發(fā)病率及樣本總量，下一步將納入更多的病例樣本完善其有效性的評(píng)估,并對(duì)心肌梗死、房室肥大等心臟疾病進(jìn)行人工智能算法的臨床有效性評(píng)估。