數字化醫療監測與管理工具在心房顫動診治中的應用

王國輝

1.上海心瑋醫療科技股份有限公司 (上海，200120）

2.上海理工大學上海介入醫療器械工程技術研究中心 (上海，200120）

0 引言

最新發布的《中國心血管健康與疾病報告2020》表明，我國心血管病的死亡率高于其他疾病，因此心血管病的早預防、早診斷和早治療至關重要。心電圖（electro cardio gram，ECG）的形態特征可以反映心律不齊癥狀和類型，是一種臨床上常用的非侵入性、經濟有效的心血管疾病診斷方法。心房顫動（atrial fibrillation, AF）是臨床上最常見的持續性心律失常的表現，其發病率隨著年齡的增長而迅速上升。一項對3 999 名男性和4 726 名女性的跟蹤研究發現，對于 40 歲及以上的男性和女性，發生AF的風險約為25%，這凸顯了AF疾病給社會醫療資源帶來的巨大壓力［1］。AF作為缺血性卒中的獨立危險因素，可使缺血性卒中的發生率增長5倍［3］。Holter監測儀是臨床上最常用的監測AF的儀器，可在非臥床環境下對可疑心律失常的患者進行24 h動態心電監測，但對于偶發性和陣發性AF癥狀的檢出率較低［2］，且對患者的自由活動有所限制。Salvator等［3］的研究顯示，48 h動態心電監測能夠在大約 10% 的65歲以上患有全身性動脈高血壓的受試者中檢測到無癥狀AF。研究表明AF的檢測一般需要至少4～5 d連續的動態心電圖監測［4］。隨著便攜式心電可穿戴設備的快速發展，長時動態心電采集而產生的大量數據已經無法靠人工完成監測數據的分析解讀。

近年來，數字化醫療監測與管理工具發展迅速，被廣泛地應用于疾病篩查、未診斷疾病監測和慢性疾病管理，該工具利用可植入監控設備、可穿戴傳感器、通信技術來采集、傳輸患者健康信息等技術手段，通過人工智能完成檢測和初期診斷，通過遠程醫療完成線上診斷，使患者及時地獲得醫療保健服務。將數字化醫療監測與管理工具應用于AF的篩查與診治，可大幅度降低診治成本，提高診治效率。

1 數字化醫療工具中心電信號采集裝置

1.1 心電貼片

嵌有電極的無線心電貼片通過可貼式的設計，使患者擺脫了傳統檢測儀器各種導聯線的束縛。目前，商業化的無線心電貼片平均監測期為一到兩周，一般監測V1-V6胸導聯中的單個或多個導聯。監測結束后，提取儲存在設備中的心電數據，上傳到由設備制造商提供的軟件或云端接口，通過模式識別或神經網絡算法進行分析，再將初步診斷報告發送給醫生，完成最終診斷。無線心電貼片具有良好的耐受性，并且連續監測時間比Holter 更長。一項研究發現在相同條件下，心電貼片檢測到96次心律失常事件，而Holter監測儀只檢測到61次心律失常事件［5］。Turakhia等［6］使用無線心電貼片在發生AF高風險人群中進行了兩周的AF監測，證明了無線心電貼片在識別AF中的可行性。此外，無線心電貼片還成功地用于確定亞臨床AF在社區老年人群中的患病率。由于心電貼片的監測方法簡便宜操作，與傳統的Holter監測儀相比，佩戴舒適度更高。

通過對貼片系統集成心律實時檢測與分析以及運用云端數據傳輸等功能，實現了秒級的快速異常心律檢測和智能診斷。Stehlik等使用貼在胸部的多傳感器貼片記錄生理數據，數據通過智能手機連續上傳到云分析平臺，利用機器學習進行后續數據分析，通過3個月的監測，實現了早期預測患者再次住院的概率。目前，已經商業化使用的可穿戴貼片心電監測設備有黏貼性心電圖記錄儀Zio Patch、Corventis公司的Nuvant 移動式心臟遙測設備以及超低功耗、多通道（高達12導聯）的CardioLeaf數字心電貼等。Zio patch作為一款尺寸與普通創可貼大小的黏貼性心電貼片，可粘貼在胸前長達14 d，能有效監測和記錄異常心律情況，還可以配合iRhythm公司開發的手機心律診斷APP一起使用。Schreiber D等［7］研究發現Zio心電貼對AF的診斷率為63.2%。Tung等［8］的研究結果顯示，約15%的首次陣發性AF發生于48 h后，常規Holter監護儀無法檢測到，而Zio心電貼可進行有效檢測。

1.2 植入衣物中的心電監測設備

植入背心和背帶中的心電監測系統能滿足劇烈活動的患者或運動員的心電監測需求，貼合被檢測者運動過程中體形姿態的變化，提高了監測過程的舒適性，且可以采集最長30 d的心電圖數據。相較于體積較小的黏性貼片采集裝置，植入衣物中的心電監測系統既可以用于單導聯數據采集，也可以用于多導聯數據采集。心電數據通過藍牙或局域互聯網實時傳輸到手機中。Nuubo公司生產的ECG shirt［9］監測儀通過集成在衣物中的紡織電極連續采集36 h的三導聯心電信號，并通過軟件對數據進行可視化和智能分析，例如心電圖、心率等。Whealthy公司生產的ECG shirt監測儀［10］是一種由導體和壓阻材料集成形成纖維和線，制成T恤樣式的可穿戴系統，連接到組織傳感器、電極和連接器，心電圖和肺阻抗信號由組織中的電極采集，數據通過GPRS或藍牙傳輸。另一種Smart wear戶外襯衫［11］配備了干電極ECG傳感器，可以連接智能手機應用程序進行無線通信。

除了心電數據，一些集成度較高的裝置還可以通過加速度計獲取活動劇烈程度運動量、通過胸廓擴張和收縮節奏獲取呼吸功能的數據。集成在衣物中的心電監測系統已經在自行車和球類運動員、健身人群中廣泛使用［12-13］。同時有研究表明，集成在衣物中的心電監測系統用于不明原因腦卒中患者的腦卒中急性期28 d動態監測，具有實用性強和較高的準確率。一項在不同目標人群中監測ECG、心率、心律失常等情況的多中心前瞻性ECG-shirt監測儀研究表明，可穿戴心電監測設備為肺靜脈隔離術后患者AF復發的監測提供了可能。

1.3 智能手表與智能手機

使用智能手表與智能手機，使得患者可以利用現有的電子設備實現對身體健康情況的監測，通過在智能手表表帶和表身植入多個電極，一只手的手腕和另一只手的手指之間形成了回路，進行單通道Ⅰ導聯心電信號采集，并通過手表內置APP進行自動AF探查?；谥悄苁謾C方案的單導聯心電監測裝置有AliveCor公司生產的Kardia Mobile監測儀，Omron公司的HeartScan監測儀等，基于智能手表方案的單導聯心電監測裝置有蘋果公司生產的Apple Watch，AliveCor公司生產的Kardia Band監測儀，華為公司的 WATCH GT 2 PRO ECG監測儀，OPPO公司的OPPO Watch ECG 監測儀等。KardiaMobile 是一款結合智能手機使用的無線單導聯移動心電記錄儀，從手指表面提取心肌細胞收縮和舒張產生的電流變化，KardiaBand 則是一款搭配 Apple Watch 使用的表帶式心電記錄儀，通過在表帶內側和外部植入2個電極，續航長達 2 年。Apple Watch 通過一項SmartRhythm 的技術為用戶手表內的心律數據提供深度神經網絡分析。

光體積描記術（Photoplethsmography，PPG）通過光反射的原理，通過血管中血液對光吸收量的變化監測心律。通過2或3個綠色LED向手腕發出可見光，光電傳感器接收和處理反射光，然后通過低功耗處理器計算得出準確的心率。應用由美國Cardio 公司開發的智能手機PPG對1 013例已知高血壓、糖尿病和/或年齡＞65歲的患者進行了門診AF檢查，證明了該方法檢測AF的準確性。PPG信號反映的是心臟收縮和舒張時血管中血液搏動的情況，不直接提供心臟電活動信息，易受到運動產生信號偏移的影響，需要和單導聯心電圖協同完成高精度的監測。如三星公司的Simband手表分別使用光學、電學等多個傳感器收集心律信號、PPG信號，連續監控和檢測用戶的生理數據；如中國華米公司發布的AMAZFIT GTS 3系列智能手表，通過高精度PPG光學傳感器和ECG心電傳感器，可實現對AF、睡眠呼吸暫停綜合征等疾病的檢測和預警。有數據顯示，截至2020年5月31日，有超過143萬用戶使用華為智能手表和APP進行心臟健康管理，已篩查出3 300多疑似AF的人群，2 000多用戶經隨訪就醫，1 900多用戶通過AF整合管理平臺對接協作醫院進行診斷，AF確診率為94%。

通過單導聯心電圖進行AF探查經常會忽視其他導聯的一些重要信息，近期一項搭載3個心電傳感器，可記錄6個肢體導聯的心電監測儀研發成功。臨床可以將此類多導聯設備用作臨時醫療設備獲取心電數據，以代替12導聯心電圖機。

1.4 可植入式心電檢測設備

通過微創手術將植入式心電檢測設備（implantable cardiac monitors，ICM）埋入心臟上方胸部的皮下，可以連續數年監測患者的心臟搏動情況，準確記錄下AF發作時的心電節律，并通過藍牙與智能設備連接并將信息傳輸給醫生。相關產品有波士頓科學的可植入式心臟監測儀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，如測定相關藥物對節律控制的療效，AF患者的導管消融術后評估以及隱源性腦卒中患者AF的檢測。一項對存大量無癥狀性AF患者群體的研究發現，通過向患者體內植入ICMs，10.1%的患者可在前3個月內檢測出AF［14］。一項REACT.COM研究結果表明，通過ICM實時監測AF的發生，指導臨床抗凝治療，可將抗凝藥的使用時間減少94%，證實了ICM引導下新型抗凝藥物間歇抗凝治療低血栓栓塞風險人群的可行性［15］。根據研究發現，ICM監測指導的NOAC抗凝策略可節省費用，并具有相似的生存率調整水平［16］。由于ICM通過埋入心臟上方胸部皮下，可減少來自皮膚表面肌電的影響，因此檢測的準確度更高。

2 數字化醫療工具的智能診斷算法

AliveCor公司生產的Kardia Band作為FDA批準的第一個可以配合智能手表使用的AF監測配件，可以記錄患者30 s I導聯的心律，通過內置APP提供的智能診斷算法完成AF的自動診斷［17］。這項技術可以幫助患者就醫之前進行早期篩查。一項從1 742人中篩查AF患者的研究表明，AliveCor手持單導聯心電圖檢測系統可正確識別所有的AF患者［18］。Williams等［19］調查了 AliveCor裝置在識別AF的有效性，在99名患者參加的研究中顯示其敏感性為90%～93%，特異性為76%～86%。Desteghe等［20］研究了AliveCor設備在醫院中進行AF篩查的可用性和準確性，該研究共招募了445名心臟病或老年病房的住院患者，將AliveCor裝置捕獲的單導聯心電圖與完整的12導聯或6導聯心電記錄進行了比較，結果表明該裝置的靈敏度為81.8%，特異性為94.2%。

盡管心電診斷算法可以實現早期診斷，但這些算法也可能產生誤判，如果不經過臨床醫生的審查會導致誤診。一項通過AliveCor設備探測AF的研究發現，其診斷的敏感性為93%，特異性為84%，有57例無法被自動算法診斷，而醫學專家對這57例診斷的敏感性為100%，特異性為80%。相關智能診斷算法作為一種AF初篩方案，在幫助患者早期檢測出AF、降低卒中等并發癥的風險、改善卒中預后，以及輔助醫生進行提早干預、智能診斷、減輕工作負擔等方面，具有一定可行性。

3 數字化醫療工具在不同AF風險人群中的應用

3.1 發生卒中后的高危人群

數字化醫療工具可以為已確診的AF患者的病情管理提供有價值的信息，如通過長期連續監測可以獲取AF的多個關鍵特征。卒中后AF的監測需要根據卒中類型及患者信息，選取適當的監測設備并確定監測時長，這樣才能達到較好的監測效果。

目前，指南建議在缺血性卒中（ischemic stroke，IS）后至少進行24 h的心電圖監測以排除AF，最有效的監測持續時間和類型尚未確定，研究發現檢測隱源性卒中后的AF，使用 ICM 進行心電圖監測要優于常規隨訪［21］。Sposato等［22］對卒中后的患者進行AF檢測，有23.7%的患者檢測出AF。而另一項多元回歸分析發現，ICM檢測AF的比例與監測時間和患者平均年齡獨立相關，未發現與患者其他特征有關，ICM監測持續時間的延長可以顯著提高初陰性AF篩查患者的AF檢出率。因此，使用數字化醫療工具對卒中患者進行AF檢測可以簡化檢測過程，提升檢測準確率。

3.2 AF負荷高危人群和老年人

AF負荷作為一個強有力的卒中獨立預測因子，通過植入監測裝置與醫療設施無線連接，進行連續性心律監測，輔助醫生作出抗凝決策，精確測量AF期間的AF負荷和室速，克服了目前在AF管理中的一些難題。研究表明使用Zio Patch心電管理系統連續監測AF負荷高(≥11%)患者發現，與AF負荷低的患者相比，其血栓栓塞事件發生率更高。

在年齡較大和具有較高的CHA2DS2-VASc評分的人群中使用數字化醫療工具，通常會具有較高的診斷率。一項薈萃分析發現，AF的新檢出率隨著年齡的增長而提高，檢出率從＜60歲的0.34%的增加到≥85歲的2.73%。一項在65 747名普通人群中進行AF篩查的研究發現，使用數字化監測工具可識別出603例新AF患者，大多數具有較高的血栓栓塞風險，因此使用數字化醫療工具篩查AF高風險患者是有效的［23］。一項有7 173名老年患者（75～76歲）參加的AF篩查結果發現，3.0%的人診斷出患有AF，通過心電監測第一次檢測出37例(占篩查人群的0.5%)，再經過頻繁的間歇性監測后，篩查出的AF確診數量增加了4倍。附加年齡以外的風險因素時，如在具有2項腦卒中風險的人群中經診斷確診患有AF的高達7.4%［24］。

3.3 年輕群體和健身人群

通過眾多的數字醫療工具，如智能手機、智能手表等，可將日常AF篩查擴展到需要進行心律監測的年輕人群體和健身人群。劇烈的體育鍛煉可能會導致先期心臟病患者出現嚴重的室性心律失常，一項Meta分析的結果顯示運動員罹患AF的風險可能高于非運動員，其中競技體育中耐力項目運動員罹患AF的風險更高［25］，原因可能是長期的耐力訓練會導致心臟結構改變和自主神經紊亂，從而增加心律失常發生的可能性。

數字醫療工具通過傳感器和應用程序采集和分析人體復雜的生理數據，既可以進行心律監測，也能用于設計更有效的運動專項訓練方案，以優化運動模式，減少運動損傷。有研究表明，運動可能會使發生AF的風險升高，這時遠程醫療支持可以促進數字醫療工具在心律監測中的應用，患者可以接受醫療專家遠程在線的篩查，因此數字醫療工具可以幫助競技體育中運動員做AF檢測和篩查。

4 數字化醫療工具面對的挑戰

數字醫療工具用于AF監測與診治時，當遇到過多的干擾，如肌電干擾或電極片與皮膚接觸不良導致的噪聲等，自動診斷程序可能會出現診斷錯誤或判定為“不可判讀”。如體力勞動者人群在做心電監測時身體無法保持在放松、安靜的狀態下，在監測過程中會產生大量的電偽差和運動偽差，而對于老年患者或肢體受限患者（震顫、腦卒中等）進行無噪聲記錄的難度更高。數字醫療工具檢測的敏感性和特異性與電極、傳感器、診斷算法、所監測人群、監測人群AF發生風險等有關，因此臨床使用前需要先對每個監測對象進行全面的風險評估。根據“關于移動醫療用于心律失常管理的專家共識”［26］，通過數字醫療工具進行心電圖診斷被認為是一個就醫確診前的預診斷的方法策略，通過智能算法得到的診斷結果需要經過臨床醫生審查才能作為最終診斷，且除AF外的其他心律失常（室性早搏、房性早搏、室性心動過速）目前無經過臨床驗證的有效算法。

5 結語

伴隨著中國人口老齡化趨勢，估算全中國有接近1 000萬AF患者，且未來AF的患病率還將進一步升高。AF發病隱匿，常表現為無癥狀或陣發性AF，導致常規診斷較為困難，給社會和患者家庭帶來極大的經濟和心理負擔，因此進行AF的早期監測、早期篩查、早期診斷非常重要。數字化醫療監測與管理工具利用可植入監控設備、可穿戴傳感器和通信技術來采集、傳輸患者健康信息，通過人工智能完成檢測和初期診斷，通過遠程醫療和電子健康記錄使醫生完成線上診斷。依托高度整合的數字設備，向目標群體提供包括疾病教育、監測、記錄、干預的多方位醫療服務，構建數字技術在健康領域的實際應用場景，具有高度的智能化與便利性，適用于大規模的社區AF篩查。盡管已有大量研究證明數字化醫療監測與管理工具在診斷新發AF的可行性，但仍存在效益比不明確、技術不夠成熟、使用方式待優化等問題，在大規模投入臨床使用前還需要不斷完善和優化。