数字化医疗监测与管理工具在心房颤动诊治中的应用

王国辉

1.上海心玮医疗科技股份有限公司 (上海，200120）

2.上海理工大学上海介入医疗器械工程技术研究中心 (上海，200120）

0 引言

最新发布的《中国心血管健康与疾病报告2020》表明，我国心血管病的死亡率高于其他疾病，因此心血管病的早预防、早诊断和早治疗至关重要。心电图（electro cardio gram，ECG）的形态特征可以反映心律不齐症状和类型，是一种临床上常用的非侵入性、经济有效的心血管疾病诊断方法。心房颤动（atrial fibrillation, AF）是临床上最常见的持续性心律失常的表现，其发病率随着年龄的增长而迅速上升。一项对3 999 名男性和4 726 名女性的跟踪研究发现，对于 40 岁及以上的男性和女性，发生AF的风险约为25%，这凸显了AF疾病给社会医疗资源带来的巨大压力［1］。AF作为缺血性卒中的独立危险因素，可使缺血性卒中的发生率增长5倍［3］。Holter监测仪是临床上最常用的监测AF的仪器，可在非卧床环境下对可疑心律失常的患者进行24 h动态心电监测，但对于偶发性和阵发性AF症状的检出率较低［2］，且对患者的自由活动有所限制。Salvator等［3］的研究显示，48 h动态心电监测能够在大约 10% 的65岁以上患有全身性动脉高血压的受试者中检测到无症状AF。研究表明AF的检测一般需要至少4～5 d连续的动态心电图监测［4］。随着便携式心电可穿戴设备的快速发展，长时动态心电采集而产生的大量数据已经无法靠人工完成监测数据的分析解读。

近年来，数字化医疗监测与管理工具发展迅速，被广泛地应用于疾病筛查、未诊断疾病监测和慢性疾病管理，该工具利用可植入监控设备、可穿戴传感器、通信技术来采集、传输患者健康信息等技术手段，通过人工智能完成检测和初期诊断，通过远程医疗完成线上诊断，使患者及时地获得医疗保健服务。将数字化医疗监测与管理工具应用于AF的筛查与诊治，可大幅度降低诊治成本，提高诊治效率。

1 数字化医疗工具中心电信号采集装置

1.1 心电贴片

嵌有电极的无线心电贴片通过可贴式的设计，使患者摆脱了传统检测仪器各种导联线的束缚。目前，商业化的无线心电贴片平均监测期为一到两周，一般监测V1-V6胸导联中的单个或多个导联。监测结束后，提取储存在设备中的心电数据，上传到由设备制造商提供的软件或云端接口，通过模式识别或神经网络算法进行分析，再将初步诊断报告发送给医生，完成最终诊断。无线心电贴片具有良好的耐受性，并且连续监测时间比Holter 更长。一项研究发现在相同条件下，心电贴片检测到96次心律失常事件，而Holter监测仪只检测到61次心律失常事件［5］。Turakhia等［6］使用无线心电贴片在发生AF高风险人群中进行了两周的AF监测，证明了无线心电贴片在识别AF中的可行性。此外，无线心电贴片还成功地用于确定亚临床AF在社区老年人群中的患病率。由于心电贴片的监测方法简便宜操作，与传统的Holter监测仪相比，佩戴舒适度更高。

通过对贴片系统集成心律实时检测与分析以及运用云端数据传输等功能，实现了秒级的快速异常心律检测和智能诊断。Stehlik等使用贴在胸部的多传感器贴片记录生理数据，数据通过智能手机连续上传到云分析平台，利用机器学习进行后续数据分析，通过3个月的监测，实现了早期预测患者再次住院的概率。目前，已经商业化使用的可穿戴贴片心电监测设备有黏贴性心电图记录仪Zio Patch、Corventis公司的Nuvant 移动式心脏遥测设备以及超低功耗、多通道（高达12导联）的CardioLeaf数字心电贴等。Zio patch作为一款尺寸与普通创可贴大小的黏贴性心电贴片，可粘贴在胸前长达14 d，能有效监测和记录异常心律情况，还可以配合iRhythm公司开发的手机心律诊断APP一起使用。Schreiber D等［7］研究发现Zio心电贴对AF的诊断率为63.2%。Tung等［8］的研究结果显示，约15%的首次阵发性AF发生于48 h后，常规Holter监护仪无法检测到，而Zio心电贴可进行有效检测。

1.2 植入衣物中的心电监测设备

植入背心和背带中的心电监测系统能满足剧烈活动的患者或运动员的心电监测需求，贴合被检测者运动过程中体形姿态的变化，提高了监测过程的舒适性，且可以采集最长30 d的心电图数据。相较于体积较小的黏性贴片采集装置，植入衣物中的心电监测系统既可以用于单导联数据采集，也可以用于多导联数据采集。心电数据通过蓝牙或局域互联网实时传输到手机中。Nuubo公司生产的ECG shirt［9］监测仪通过集成在衣物中的纺织电极连续采集36 h的三导联心电信号，并通过软件对数据进行可视化和智能分析，例如心电图、心率等。Whealthy公司生产的ECG shirt监测仪［10］是一种由导体和压阻材料集成形成纤维和线，制成T恤样式的可穿戴系统，连接到组织传感器、电极和连接器，心电图和肺阻抗信号由组织中的电极采集，数据通过GPRS或蓝牙传输。另一种Smart wear户外衬衫［11］配备了干电极ECG传感器，可以连接智能手机应用程序进行无线通信。

除了心电数据，一些集成度较高的装置还可以通过加速度计获取活动剧烈程度运动量、通过胸廓扩张和收缩节奏获取呼吸功能的数据。集成在衣物中的心电监测系统已经在自行车和球类运动员、健身人群中广泛使用［12-13］。同时有研究表明，集成在衣物中的心电监测系统用于不明原因脑卒中患者的脑卒中急性期28 d动态监测，具有实用性强和较高的准确率。一项在不同目标人群中监测ECG、心率、心律失常等情况的多中心前瞻性ECG-shirt监测仪研究表明，可穿戴心电监测设备为肺静脉隔离术后患者AF复发的监测提供了可能。

1.3 智能手表与智能手机

使用智能手表与智能手机，使得患者可以利用现有的电子设备实现对身体健康情况的监测，通过在智能手表表带和表身植入多个电极，一只手的手腕和另一只手的手指之间形成了回路，进行单通道Ⅰ导联心电信号采集，并通过手表内置APP进行自动AF探查。基于智能手机方案的单导联心电监测装置有AliveCor公司生产的Kardia Mobile监测仪，Omron公司的HeartScan监测仪等，基于智能手表方案的单导联心电监测装置有苹果公司生产的Apple Watch，AliveCor公司生产的Kardia Band监测仪，华为公司的 WATCH GT 2 PRO ECG监测仪，OPPO公司的OPPO Watch ECG 监测仪等。KardiaMobile 是一款结合智能手机使用的无线单导联移动心电记录仪，从手指表面提取心肌细胞收缩和舒张产生的电流变化，KardiaBand 则是一款搭配 Apple Watch 使用的表带式心电记录仪，通过在表带内侧和外部植入2个电极，续航长达 2 年。Apple Watch 通过一项SmartRhythm 的技术为用户手表内的心律数据提供深度神经网络分析。

光体积描记术（Photoplethsmography，PPG）通过光反射的原理，通过血管中血液对光吸收量的变化监测心律。通过2或3个绿色LED向手腕发出可见光，光电传感器接收和处理反射光，然后通过低功耗处理器计算得出准确的心率。应用由美国Cardio 公司开发的智能手机PPG对1 013例已知高血压、糖尿病和/或年龄＞65岁的患者进行了门诊AF检查，证明了该方法检测AF的准确性。PPG信号反映的是心脏收缩和舒张时血管中血液搏动的情况，不直接提供心脏电活动信息，易受到运动产生信号偏移的影响，需要和单导联心电图协同完成高精度的监测。如三星公司的Simband手表分别使用光学、电学等多个传感器收集心律信号、PPG信号，连续监控和检测用户的生理数据；如中国华米公司发布的AMAZFIT GTS 3系列智能手表，通过高精度PPG光学传感器和ECG心电传感器，可实现对AF、睡眠呼吸暂停综合征等疾病的检测和预警。有数据显示，截至2020年5月31日，有超过143万用户使用华为智能手表和APP进行心脏健康管理，已筛查出3 300多疑似AF的人群，2 000多用户经随访就医，1 900多用户通过AF整合管理平台对接协作医院进行诊断，AF确诊率为94%。

通过单导联心电图进行AF探查经常会忽视其他导联的一些重要信息，近期一项搭载3个心电传感器，可记录6个肢体导联的心电监测仪研发成功。临床可以将此类多导联设备用作临时医疗设备获取心电数据，以代替12导联心电图机。

1.4 可植入式心电检测设备

通过微创手术将植入式心电检测设备（implantable cardiac monitors，ICM）埋入心脏上方胸部的皮下，可以连续数年监测患者的心脏搏动情况，准确记录下AF发作时的心电节律，并通过蓝牙与智能设备连接并将信息传输给医生。相关产品有波士顿科学的可植入式心脏监测仪LUXDx、美敦力的Linq II、雅培的Confirm Rx等。ICM可用于AF患者的日常心律管理，如测定相关药物对节律控制的疗效，AF患者的导管消融术后评估以及隐源性脑卒中患者AF的检测。一项对存大量无症状性AF患者群体的研究发现，通过向患者体内植入ICMs，10.1%的患者可在前3个月内检测出AF［14］。一项REACT.COM研究结果表明，通过ICM实时监测AF的发生，指导临床抗凝治疗，可将抗凝药的使用时间减少94%，证实了ICM引导下新型抗凝药物间歇抗凝治疗低血栓栓塞风险人群的可行性［15］。根据研究发现，ICM监测指导的NOAC抗凝策略可节省费用，并具有相似的生存率调整水平［16］。由于ICM通过埋入心脏上方胸部皮下，可减少来自皮肤表面肌电的影响，因此检测的准确度更高。

2 数字化医疗工具的智能诊断算法

AliveCor公司生产的Kardia Band作为FDA批准的第一个可以配合智能手表使用的AF监测配件，可以记录患者30 s I导联的心律，通过内置APP提供的智能诊断算法完成AF的自动诊断［17］。这项技术可以帮助患者就医之前进行早期筛查。一项从1 742人中筛查AF患者的研究表明，AliveCor手持单导联心电图检测系统可正确识别所有的AF患者［18］。Williams等［19］调查了 AliveCor装置在识别AF的有效性，在99名患者参加的研究中显示其敏感性为90%～93%，特异性为76%～86%。Desteghe等［20］研究了AliveCor设备在医院中进行AF筛查的可用性和准确性，该研究共招募了445名心脏病或老年病房的住院患者，将AliveCor装置捕获的单导联心电图与完整的12导联或6导联心电记录进行了比较，结果表明该装置的灵敏度为81.8%，特异性为94.2%。

尽管心电诊断算法可以实现早期诊断，但这些算法也可能产生误判，如果不经过临床医生的审查会导致误诊。一项通过AliveCor设备探测AF的研究发现，其诊断的敏感性为93%，特异性为84%，有57例无法被自动算法诊断，而医学专家对这57例诊断的敏感性为100%，特异性为80%。相关智能诊断算法作为一种AF初筛方案，在帮助患者早期检测出AF、降低卒中等并发症的风险、改善卒中预后，以及辅助医生进行提早干预、智能诊断、减轻工作负担等方面，具有一定可行性。

3 数字化医疗工具在不同AF风险人群中的应用

3.1 发生卒中后的高危人群

数字化医疗工具可以为已确诊的AF患者的病情管理提供有价值的信息，如通过长期连续监测可以获取AF的多个关键特征。卒中后AF的监测需要根据卒中类型及患者信息，选取适当的监测设备并确定监测时长，这样才能达到较好的监测效果。

目前，指南建议在缺血性卒中（ischemic stroke，IS）后至少进行24 h的心电图监测以排除AF，最有效的监测持续时间和类型尚未确定，研究发现检测隐源性卒中后的AF，使用 ICM 进行心电图监测要优于常规随访［21］。Sposato等［22］对卒中后的患者进行AF检测，有23.7%的患者检测出AF。而另一项多元回归分析发现，ICM检测AF的比例与监测时间和患者平均年龄独立相关，未发现与患者其他特征有关，ICM监测持续时间的延长可以显著提高初阴性AF筛查患者的AF检出率。因此，使用数字化医疗工具对卒中患者进行AF检测可以简化检测过程，提升检测准确率。

3.2 AF负荷高危人群和老年人

AF负荷作为一个强有力的卒中独立预测因子，通过植入监测装置与医疗设施无线连接，进行连续性心律监测，辅助医生作出抗凝决策，精确测量AF期间的AF负荷和室速，克服了目前在AF管理中的一些难题。研究表明使用Zio Patch心电管理系统连续监测AF负荷高(≥11%)患者发现，与AF负荷低的患者相比，其血栓栓塞事件发生率更高。

在年龄较大和具有较高的CHA2DS2-VASc评分的人群中使用数字化医疗工具，通常会具有较高的诊断率。一项荟萃分析发现，AF的新检出率随着年龄的增长而提高，检出率从＜60岁的0.34%的增加到≥85岁的2.73%。一项在65 747名普通人群中进行AF筛查的研究发现，使用数字化监测工具可识别出603例新AF患者，大多数具有较高的血栓栓塞风险，因此使用数字化医疗工具筛查AF高风险患者是有效的［23］。一项有7 173名老年患者（75～76岁）参加的AF筛查结果发现，3.0%的人诊断出患有AF，通过心电监测第一次检测出37例(占筛查人群的0.5%)，再经过频繁的间歇性监测后，筛查出的AF确诊数量增加了4倍。附加年龄以外的风险因素时，如在具有2项脑卒中风险的人群中经诊断确诊患有AF的高达7.4%［24］。

3.3 年轻群体和健身人群

通过众多的数字医疗工具，如智能手机、智能手表等，可将日常AF筛查扩展到需要进行心律监测的年轻人群体和健身人群。剧烈的体育锻炼可能会导致先期心脏病患者出现严重的室性心律失常，一项Meta分析的结果显示运动员罹患AF的风险可能高于非运动员，其中竞技体育中耐力项目运动员罹患AF的风险更高［25］，原因可能是长期的耐力训练会导致心脏结构改变和自主神经紊乱，从而增加心律失常发生的可能性。

数字医疗工具通过传感器和应用程序采集和分析人体复杂的生理数据，既可以进行心律监测，也能用于设计更有效的运动专项训练方案，以优化运动模式，减少运动损伤。有研究表明，运动可能会使发生AF的风险升高，这时远程医疗支持可以促进数字医疗工具在心律监测中的应用，患者可以接受医疗专家远程在线的筛查，因此数字医疗工具可以帮助竞技体育中运动员做AF检测和筛查。

4 数字化医疗工具面对的挑战

数字医疗工具用于AF监测与诊治时，当遇到过多的干扰，如肌电干扰或电极片与皮肤接触不良导致的噪声等，自动诊断程序可能会出现诊断错误或判定为“不可判读”。如体力劳动者人群在做心电监测时身体无法保持在放松、安静的状态下，在监测过程中会产生大量的电伪差和运动伪差，而对于老年患者或肢体受限患者（震颤、脑卒中等）进行无噪声记录的难度更高。数字医疗工具检测的敏感性和特异性与电极、传感器、诊断算法、所监测人群、监测人群AF发生风险等有关，因此临床使用前需要先对每个监测对象进行全面的风险评估。根据“关于移动医疗用于心律失常管理的专家共识”［26］，通过数字医疗工具进行心电图诊断被认为是一个就医确诊前的预诊断的方法策略，通过智能算法得到的诊断结果需要经过临床医生审查才能作为最终诊断，且除AF外的其他心律失常（室性早搏、房性早搏、室性心动过速）目前无经过临床验证的有效算法。

5 结语

伴随着中国人口老龄化趋势，估算全中国有接近1 000万AF患者，且未来AF的患病率还将进一步升高。AF发病隐匿，常表现为无症状或阵发性AF，导致常规诊断较为困难，给社会和患者家庭带来极大的经济和心理负担，因此进行AF的早期监测、早期筛查、早期诊断非常重要。数字化医疗监测与管理工具利用可植入监控设备、可穿戴传感器和通信技术来采集、传输患者健康信息，通过人工智能完成检测和初期诊断，通过远程医疗和电子健康记录使医生完成线上诊断。依托高度整合的数字设备，向目标群体提供包括疾病教育、监测、记录、干预的多方位医疗服务，构建数字技术在健康领域的实际应用场景，具有高度的智能化与便利性，适用于大规模的社区AF筛查。尽管已有大量研究证明数字化医疗监测与管理工具在诊断新发AF的可行性，但仍存在效益比不明确、技术不够成熟、使用方式待优化等问题，在大规模投入临床使用前还需要不断完善和优化。