导读
房颤通常无症状，因此不易被发现，但它又与卒中、心力衰竭和死亡有关，须及时发现并采取措施。现有的筛选方法需要长时间监测，且受成本和低效率的限制。为此，美国梅奥诊所的研究人员利用卷积神经网络开发了一种人工智能心电图仪（AI-ECG），可通过标准的10秒12导联心电图（ECGs）检测出正常窦性心律期间出现的房颤。近日，研究在线发表于《柳叶刀》（TheLancet）杂志，医心特将主要内容编译如下。
·研究简介·
研究人员纳入了所有年龄≥18岁年12月31日至年7月21日期间至少在梅奥诊所做过一次标准10秒12导联心电图且正常窦性心律的患者，由受过训练的人员在心脏病专家监督下验证心律标签。将至少一例心电图显示伴有房颤或房扑的患者归为房颤阳性。将ECGs按7：1：2的比例分配到培训、内部验证和测试数据集中。研究人员计算了内部验证数据集的接收者操作特性曲线的曲线下面积（AUC），用于选择概率阈值。通过计算两面95％置信区间（CI）的AUC以及准确度、灵敏度、特异性和F1评分来评估测试数据集的模型性能。
研究纳入了名患者，共例正常窦性心律ECG用于分析，训练数据集中名共例ECGs，内部验证数据集中名患者共例ECGs，测试数据集中名患者共例ECGs。在测试数据集中有名（8.4%）之前ECGs提示为正常窦性心律的患者被确诊为房颤。单用AI-ECG鉴别房颤的AUC为0.87（95%CI，0.86-0.88I），敏感度为79.0%（77.5-80.4），特异性为79.5%（79.0-79.9），整体精确度为79.4%（79.0-79.9）。研究开始或患者首次记录到房颤ECG前的31天，AUC、敏感度、特异性、F1评分和整体精确度分别可增加至0.90（0.90-0.91）、82.3%（80.9–83.6）、83.4%（83.0–83.8）、45.4%（44.2–46.5）和83.3%（83.0–83.7）。
测试数据集中卷积神经网络的接受者操作特性曲线
该研究表明，AI-ECG有助于快速、廉价、即时地筛查出隐藏在正常窦性心律背后的房颤患者。
·专家视角·
南澳大利亚健康与医学研究所JeroenM.L.Hendricks博士和英国伯明翰大学心血管研究所LarissaFabritz博士在随刊社论中表示，AI-ECG可能具有重要的临床意义，将导致记录窦性心律的范式转变而不仅是房颤筛查，其重点是鉴别结构变化。然而,也可能出现假阴性结果并阻碍适当治疗。因此，需要进一步验证这一方法在不同患者群体中的效用。
参考文献：1、AttiaZI,NoseworthyPA,Lopez-JimenezF,etal.Anartificialintelligence-enabledECGalgorithmfortheidentificationofpatientswithatrialfibrillationduringsinusrhythm:aretrospectiveanalysisofout