人工智能心电图在遗传性心律失常诊断中的应用研究

徐平小

关键词：人工智能心电图;遗传性心律失常;诊断应用

【中图分类号】  R541.7【文献标识码】A 【文章编号】1673-9026（2022）16--01

引言

心律失常是一种比较常见的心血管疾病，诊断比较容易，大部分患者只需要常规心电图就可以确诊，但是常规心电图监测时间短，难以捕获偶尔出现的或短暂的遗传性心律失常信号。植入式心电图仪虽然能够进行长时间的持续监测，但其成本较高，植入及取出时需要进行有创的操作，患儿的接受度较低，因此在临床上很难推广使用。因而，能够对患儿的心率进行长时间监控的敏感、可靠的体外可穿戴装置是非常必要的。

1资料与方法

1.1一般资料

選取我院2021年2月至2022年2月收治的遗传性心律失常患儿共100例，按照随机抽签的方式分为观察组（50例）和对照组（20例）。观察组遗传性心律失常男23例，女27例。年龄在1-7岁，平均年龄为（5.74±1.36）岁。对照组遗传性心律失常男24例，女26例。年龄在2-8岁，平均年龄为（5.44±2.16）岁。两组遗传性心律失常临床资料无显著差异（p>0.05），具有可比性。

1.2方法

对照组选用日本光电公司生产的9130 P心电扫描仪为主要检测对象，该仪器的走纸速度为25mm/s，以确保基线不受干扰，同时还要确保孩子的情绪稳定，以确保影像的清晰度，并将检查结果记录下来。观察组采用人工智能心电图，选择美国APPLE公司设计生产的APPLEWATCH作为监测仪器，采集24小时的心电图，确保在测试期间孩子的情绪稳定，并做好详细的记录。

1.3观察指标

对两组患儿的检出率进行计算，其中主要包括传导阻滞、室性期前收缩、室性心动过速、室上性心动过速和房性期前收缩，对其总检出率进行计算。

1.4统计学处理

应用SPSS25.0软件对数据进行分析，其中，计量资料（x±s）表示，采取t检验，计数资料n（%）表示，x2检验，P<0.05差异有统计学意义。

2结果

观察组患儿和对照组患儿的检出率分别为94.00%和34.00%，两组患儿的检出率数据差异显著，存在意义（P<0.05），如表1所示：

根据统计，在我国城乡居民中心血管疾病的死亡率是第一位的，而对其进行实时的心脏运动监测，对其进行早期防治非常重要。随着医学与信息技术紧密结合、可穿戴式及便携式心电图监视器以及能监测心跳、提供某些卫生服务的医疗卫生系统迅速发展与普及，推动了遗传性心律失常的发现。一般认为遗传性心律失常的预后优于症状型心律失常，但也有少数例外情况，例如房颤、非持续性室性心动过速。众所周知，心律失常的出现通常是阵发性、一过性、偶发性的，现有的医学监控技术都是在医院里进行的，而且对心肌的运动进行的监控不可能连续的进行，这就限制了对遗传性心律失常的检测。当前可穿戴式仪器对心律失常的辨识精度仍较现有的常规 ECG技术要低很多，今后的研究将集中在该技术与实时心电图检测技术相结合的方法上。近几年，可穿戴式智能装置的出现和发展，为长期对患儿的心率进行监控提供了更为合理的方法。一种方法是长时间戴着智能手表或者手链，这种装置利用内建的感应器来监测细胞内的血液流动，产生心跳曲线，并利用人工算法来间接地辨识出不规则的心律，从而为后续的检测提供线索。“Apple Watch”等可穿戴设备可以在院外长期监测心率，并利用人工智能对心律失常进行监测，对疑似心律失常的使用者会得到系统的提醒，提醒其尽快就医，同时，医生也可以根据这些信息来判断是否需要进行心电图和动态心电图，从而判断是否有“真正”的心律失常。华为也在国内进行了类似的调查，得到了类似的资料，这种可穿戴式医疗器械的使用，将大大提高医疗诊断效率，节约医疗资源。但现有的智能可佩戴装置，大多是通过对手腕血流的检测来间接地检测心率，从而产生误差，而贴片式的心电监护系统在欧美等国家的一些药品已被有关部门批准用于临床诊断。通过定点提醒、漏服报警等方式监控患儿的用药情况，可以明显提高患儿的用药遵从性。同时，利用智能软件进行心脏功能不全的综合治疗，也是当前临床上的一个重要课题。目前市场上已经有一些智能软件，可以针对患儿的病情进行个性化的宣传，以帮助患儿了解病情。随着时代的发展，技术的进步，希望越来越多的公司能将人工智能技术运用到智能可穿戴装置中，对使用者的身体状况进行实时、准确的记录，并捕捉到心律失常的发生，从而帮助人们及早发现和处理无症状心律失常，从而降低和预防心血管不良事件。除了提高患儿的治疗依从性，患儿也可以在客户服务中询问或反馈他们的治疗状况。医患双方利用智能软件实现了一个良性的、闭环的交互，从而达到改善患儿满意度和疗效的目的。随着5 G时代的来临，人工智能技术的不断发展，新一代的医学模式已经初露端倪。人工智能不仅可以帮助医师提升诊断的效率、优化医疗资源的使用，还可以提升患儿的诊疗经验，提升患儿的生活质量。目前我国医疗资源的日益紧缺，随着人口老龄化的来临，将人工智能技术运用于临床诊断和个性化治疗是今后发展的必然趋势。人工智能技术将医疗产业链进行了进一步的优化，将会使整个医疗行业的发展变得更加高效、更加高效，这将是一种对整个人类都有好处的技术。

参考文献：

[1] 史静.动态心电图与常规心电图诊断冠心病患者心肌缺血及心律失常的临床效果比较[J].影像研究与医学应用.2020，（10）.56～58.

[2] 郑帆，白一苹.常规心电图与动态心电图对冠心病心律失常的诊断价值比较[J].山西医药杂志.2020，（16）.2201～2202.

[3] 刘洪.分析冠心病心律失常患者诊断中常规心电图（EcG）和动态心电图（DCG）的诊断效果[J].影像研究与医学应用.2020，（5）.48～49.

[4] 李艳艳，贾伟.24h动态心电图在2型糖尿病合并冠心病患者心律诊断中的价值分析[J].陕西医学杂志.2019，（1）.61-63，70.