梅奧診所（Mayo Clinic）的研究人員開發了一種人工智能算法，可以通過蘋果手表上的單導聯心電圖（ECG）檢測出心臟泵功能較弱的情況。研究人員說，早期的結果表明，ECG與醫學上規定的跑步機壓力測試一樣準確，但可以在任何地方進行。

單導聯AI算法改編自現有算法，該算法通過分析美國食品和藥物管理局（FDA）緊急使用授權下已在臨床使用的12導聯ECG的心室泵送數據來工作。

該診所心血管醫學系主任Paul Friedman博士表示，這項新技術可能標志著一個新時代的到來。

Friedman表示：“這種人工智能算法能夠通過Apple Watch拍攝的單導心電圖來尋找心臟泵血功能較弱的患者，能夠在家里完成，而不需要通過超聲心動圖、CT掃描或MRI來識別。例如，接受化療的癌癥患者通常每兩到三個月進行一次超聲心動圖檢查，但我們不能經常這樣做，因為這可能會損害心臟。”

Friedman補充道：“當你在醫院做12-lead ECG時候，躺下之后會有一位訓練有素的技術專家為您做準備，確保皮膚整體處于靜止狀態，以保證數據質量良好。但是，當您晚飯后懶洋洋地躺在沙發上時，也可以在可穿戴設備上進行ECG測量。不過，情況不同，測試環境不同，身體姿勢也不同的情況下，或需要大量的技術創新才能讓該設備成功運行起來。但當我們測試時，它工作得非常好?！?/p>

Mayo團隊于2019年為12導聯ECG創建的AI算法使用卷積神經網絡，通過將ECG數據與相同患者的超聲心動圖標記數據進行比較，來檢測心室功能障礙的細微跡象。研究人員使用來自44959對ECG超聲心動圖的患者數據對網絡進行了訓練和驗證，并對52870名患者進行了測試。研究小組發現，該網絡在識別心臟射血分數低的患者方面的準確率為86%，射血分數低是一種表示心功能不全的癥狀。Friedman說，該網絡在檢測乳腺癌證據方面的準確性優于乳腺X光檢查。

該部門首席人工智能科學家Itzhak Zachi Attia表示，他的團隊假設，通過返回12導聯數據集并重新配置網絡，他們可以確定基于手表的ECG是否足夠準確，以發出微弱射血分數的信號。新的重新配置只查看了一根導線的數據，該導線測量了左右臂之間的電壓隨時間的變化。Attia說，這些數據與Apple Watch的ECG生成的信息相似。

Mayo診所的研究小組隨后使用蘋果手表計算了一個月心電圖的平均讀數，以獲得更好的信噪比。近2500名患者參加了這項研究，他們每人都有一部iPhone、Mayo Clinic應用程序和Series 4或更高版本的Apple Watch。但研究人員僅使用了420名患者的數據，這些患者在分析心電圖數據后的30天內，在規定的臨床環境中進行了超聲心動圖檢查。

Attia說，該測試顯示的曲線下面積為0.88，這是一種預測準確性的衡量標準，大約相當于基于跑步機的心臟壓力測試。Mayo診所團隊目前正在為符合隊列參數的診所患者進行該技術的全球臨床試驗（計劃持續到2023年6月）。

Friedman表示，這項技術可以適用于任何具有ECG功能的可穿戴設備；重要數據駐留在現有的臨床數據集中。正如Apple Watch心電圖研究所顯示的那樣，曾經需要前往診所的高級診斷，如今可以被替代，且依然獲得準確的結果。

FDA批準Fitbit A-fib技術

幾乎在Mayo研究發現的同時，FDA擴大了可穿戴心臟監護設備的認可生態系統：該機構批準了Fitbit的心房顫動（A-fib）檢測機制。FDA于今年4月批準了Fitbit技術，并將其歸類為與2021年10月獲得FDA批準的Apple Watch A-fib技術基本等同。

這兩種技術都依賴于檢測血流變化的光體積描記器（PPG）傳感器。雖然通過規則間隔的脈沖和一致的形態可以識別正常的竇性心律，但PPG算法將可能的a-FIB檢測為脈沖之間的不規則間隔和不同的脈沖形態。然而，PPG技術在感知A-fib方面的一個缺點是容易受到由人的運動等因素引起的信號噪聲的影響。為了減少噪音A-fib檢測的機會，建議在受試者坐著或躺著時使用Fitbit和Apple PPG技術。

Fitbit首席研究科學家TonyFaranesh表示，該公司的技術在用戶睡覺時尤其有效。作為一種非處方技術，它不是一種正式的診斷工具，而是一種早期預警信號：“我們認為，在中風等醫療事件發生之前，盡早發現不規則的心律可能對患者和醫療系統都有好處，”Faranesh說。

Friedman說，這些最近在可穿戴設備上擴展心臟監測功能的演示，可以作為一線醫生的重要決策支持。如果部署得當，還將提高各地小鎮醫生的診斷能力。

原文標題：研究人員利用AI為可穿戴式ECG功能注入能量

文章出處：【微信公眾號：IEEE電氣電子工程師】歡迎添加關注！文章轉載請注明出處。