由人工智能算法對(duì)患者急性ST段抬高型心肌梗死心電圖進(jìn)行判讀，相比心血管醫(yī)生更為精準(zhǔn)、優(yōu)勢(shì)更為明顯，從而能實(shí)現(xiàn)對(duì)急性ST段抬高型心肌梗死的自動(dòng)預(yù)警。未來(lái)可將該算法嵌入可穿戴心電監(jiān)測(cè)設(shè)備，實(shí)現(xiàn)急性心肌梗死的院前預(yù)警。

近日，同濟(jì)大學(xué)附屬第十人民醫(yī)院心臟中心徐亞偉教授團(tuán)隊(duì)研發(fā)的全球首個(gè)基于可穿戴12導(dǎo)聯(lián)心電可穿戴設(shè)備和人工智能預(yù)警軟件的急性心肌梗死預(yù)警系統(tǒng)再次受到國(guó)際關(guān)注，人工智能心電預(yù)警算法驗(yàn)證性論文發(fā)表于《國(guó)際心臟病學(xué)雜志》。美國(guó)加州洛杉磯分校UCLA著名急診心血管病專家Ivan?Rokos教授配發(fā)了同刊評(píng)論。

此前，該人工智能預(yù)警系統(tǒng)曾于2019年分別登陸法國(guó)巴黎歐洲心臟病年會(huì)和以色列特拉維夫的世界心血管創(chuàng)新大會(huì)，作為國(guó)際上第一個(gè)基于可穿戴心電監(jiān)測(cè)設(shè)備+人工智能算法的心肌梗死預(yù)警系統(tǒng)，引起了國(guó)際心血管界的高度關(guān)注。2020年，《利用人工智能結(jié)合12導(dǎo)聯(lián)心電圖實(shí)現(xiàn)ST段抬高型心肌梗死的早期識(shí)別》獲東方心臟病學(xué)會(huì)優(yōu)秀論文“一等獎(jiǎng)”。

在我國(guó)，心血管疾病引起的死亡占成人全因死亡構(gòu)成比的44%，而急性心肌梗死是臨床上最危重的心血管疾病，死亡率高達(dá)5至7%。與其他危重癥不同，心梗患者越早得到救治，生存率越高。因此，縮短患者救治時(shí)間，是急性心梗治療的關(guān)鍵。然而，目前國(guó)內(nèi)外對(duì)于心?；颊呔驮\延遲問(wèn)題，仍然沒(méi)有有效的解決方案。

為此，徐亞偉團(tuán)隊(duì)與移視網(wǎng)絡(luò)科技公司在“十三五”科技部重點(diǎn)研發(fā)項(xiàng)目的支持下開(kāi)展了此項(xiàng)研究，旨在研究通過(guò)普通12導(dǎo)聯(lián)心電圖構(gòu)建可自動(dòng)判讀急性ST段抬高型心肌梗死(STEMI)的人工智能算法。研究團(tuán)隊(duì)首先收集來(lái)自同濟(jì)大學(xué)附屬第十人民醫(yī)院及長(zhǎng)海醫(yī)院1802例心電圖疑似ST段抬高型心肌梗死的心電圖，并通過(guò)“金標(biāo)準(zhǔn)”——冠狀動(dòng)脈造影進(jìn)行心電圖篩選，最終篩選出667例具有明確“罪犯”血管的ST段抬高型心肌梗死心電圖，同時(shí)匹配了7571例正常及存在其他類型異常心律的心電圖作為對(duì)照組。接著，移視科技通過(guò)Res-net人工智能算法構(gòu)建了ST段抬高型心肌梗死的人工智能判讀算法。內(nèi)部測(cè)試、外部驗(yàn)證顯示，此研究構(gòu)建的算法敏感性達(dá)到96.8%，特異性達(dá)到了99.2%。

為了進(jìn)一步研究其臨床適用性，團(tuán)隊(duì)還進(jìn)一步開(kāi)展了人機(jī)心電圖判讀比賽，將50張急性ST段抬高型心肌梗死心電圖及50張非急性ST段抬高型心肌梗死心電圖分別由本算法及15位不同年資的心血管醫(yī)生進(jìn)行判讀。結(jié)果顯示，本算法的敏感性及特異性分別為90%及98%，而醫(yī)生判讀的敏感性及特異性僅71%及89%。尤其是在一些ST段抬高相對(duì)不明顯的患者中，人工智能算法的優(yōu)勢(shì)更加明顯。這一結(jié)果對(duì)急性ST段抬高型心肌梗死的自動(dòng)預(yù)警提供了重要的軟件支持，未來(lái)將該算法嵌入可穿戴心電監(jiān)測(cè)設(shè)備是急性心肌梗死院前預(yù)警非常有前途的方案。

在同期的評(píng)論中，Ivan教授認(rèn)為此研究主要有六大創(chuàng)新點(diǎn)：文中的急性ST段抬高型心肌梗死心電圖均由血管造影驗(yàn)證，保證了所有心電圖都是“真正的”急性ST段抬高型心肌梗死心電圖；心電圖數(shù)據(jù)均為原始數(shù)據(jù)，而非PDF圖像，保證了數(shù)據(jù)質(zhì)量；在對(duì)照組中添加了一些臨床上可能出現(xiàn)“ST段抬高”的非心肌梗死心電圖；數(shù)據(jù)中的基線資料與真實(shí)世界類似；數(shù)據(jù)中所涉及的心梗犯罪血管比例與真實(shí)世界類似；研究從102種訓(xùn)練模型中選擇了最適合的模型進(jìn)行了后續(xù)的外部驗(yàn)證。

此外，Ivan教授認(rèn)為，既往的人工智能相關(guān)醫(yī)學(xué)研究往往需要巨大的樣本量。但本研究通過(guò)“數(shù)據(jù)放大”技術(shù)利用較小的樣本量達(dá)到了類似的效果，值得未來(lái)相關(guān)領(lǐng)域研究借鑒。他希望本課題設(shè)計(jì)的算法能盡快在其他數(shù)據(jù)庫(kù)及臨床中得到驗(yàn)證，從而加速“上海方案”向臨床推進(jìn)。他特別指出，基于AI的急性ST段抬高型心肌梗死診斷系統(tǒng)有望改變?nèi)虻募毙許T段抬高型心肌梗死診療體系，而此研究提出的“上海方案”無(wú)疑為實(shí)現(xiàn)這一目標(biāo)跨出了堅(jiān)實(shí)的一步。

據(jù)悉，徐亞偉教授團(tuán)隊(duì)深耕信息化心梗救治領(lǐng)域10余年，旨在通過(guò)信息化手段解決我國(guó)心?；颊叩木戎窝舆t問(wèn)題。附屬十院心臟中心多年來(lái)聯(lián)合多家知名高科技公司共同建立了一套集合可穿戴設(shè)備、人工智能軟件和物聯(lián)網(wǎng)技術(shù)的人工智能心肌梗死信息化救治系統(tǒng)。該系統(tǒng)的目標(biāo)是在院前、院中及院間通過(guò)信息化體系優(yōu)化急性心肌梗死的整個(gè)救治鏈，從而縮短患者的呼救時(shí)間、搶救時(shí)間，縮短患者的住院時(shí)間，最終降低患者的死亡率。