循心电踪迹，探心脏奥秘！

作 者：沈仲元

作者单位：上海中医药大学；上海心云医药科技有限公司心电智能算法研究中心

摘 要

心电图分析是人工智能自动分析运用最早和最成功的领域之一。要建立具有权威性并能开源或移植的心电数据库、产生优秀的算法，需要依靠计算机技术、生物医学工程等学科以及医疗专业人员的合作与磨合，也需要医疗机构、医疗学术和行政部门、科技公司的通力协作；而要更好地推广和应用，还需要配套相对完善的政策和法律法规。本文分析了心电人工智能自动分析的需求，数据库、算法的现状和存在的关键问题。

关键词

心电图；动态心电图；长时程心电图；心电散点图；可穿戴式心电设备；心电人工智能算法；心电数据库

引用格式

沈仲元. 心电人工智能自动分析的现实需求和关键问题[J].实用心电学杂志，2022，31（1）：24-27.

人工智能（ ，AI）是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。AI领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。AI自诞生以来，理论和技术日益成熟，成为当前科技创新最主要的领域之一。AI也可以说是计算机科学的一个分支，使机器和计算机系统模仿人类智力处理问题，其核心分支包括机器学习、深度学习等。机器学习的算法具体包括人工神经网络、卷积神经网络等。AI的要件——算法、算力、数据库，被誉为AI的三大基石。在AI领域，“算法”是根、“智能”是壳，如果没有“算法”，“智能”就像传说，没有灵魂；云计算是算力，目前大量的服务器并行运算几乎可以提供无限的计算力；数据库可以是线下的服务器，也可以是云存储，用来储存几乎无限量的数据信息。关于这方面众论繁多，不在此叙。

心电图分析是AI自动分析运用最早和最成功的领域之一。随着计算机、电子技术和网络技术的飞速发展，心电记录设备的制造技术也在飞速发展，对心电图自动分析的要求不断提高；这方面的工作也取得了很大进展，但还不能满足心血管临床和国家全民健康管理的需求。下面就常规心电图、动态心电图、可穿戴式长时程记录心电图和心电散点图在AI自动分析方面的应用需求和问题提出一些看法。

1常规心电图的人工智能自动分析

心电图机发明至今已有100多年的历史，其间国际上对心电图机设备本身、操作、导联体系和诊断早已实现标准化，除了部分疑难心电图需要人工鉴别外，欧美、日本和中国生产的心电图机的自动分析诊断功能已基本能够满足临床的大部分需要。针对基层和偏远地区专业技术人员缺乏的问题，远程心电网络技术也很成熟，只是在推广和资金投入方面仍存在问题。

常规心电图数据库一般都比较容易建立，国内很多三甲医院都可以轻而易举地拥有数百万病例，从而建立起数据库，并且国内也有相应的小型心电图数据库。但如果要从国家健康战略层面或心血管学科专业建设的角度考量，建构心电图数据库的大平台无疑是一个大型工程，还需要更多方面的组织和协调才能完成。

对于已积累的大量数据和分布在各个医疗机构的小型心电图数据库，仅需几台计算机就能满足算力要求。单份常规心电图的数据量小、图形质量稳定，数据库内的常规心电图数量庞大。针对这些特点，AI自动分析算法还有许多重要工作可做。图像识别是AI应用最广泛和最成功的领域之一。在心电图形方面，ST段抬高型急性心肌梗死以单体波形为主要特点，可以把波形转换成像素图形并结合曲线（如频谱），用AI机器学习方法进行大量数据训练，建立预警算法模型。在心律失常研究方面，心电图是连续性矢量变化曲线，可以用AI深度学习的人工神经网络、卷积神经网络等多层非线性运算模型，通过自学习找到有效的特征来建立房颤、心房扑动、室速、完全性房室阻滞等恶性心律失常的预警算法模型。其中，最有价值的是可以充分利用常规心电图数量大且图形质量稳定的特点，进行AI的监督式学习与无监督学习和训练，为动态心电图和长时程心电图提供特定的算法模式、类别及特征。这方面的工作尽管已做了不少，但是由于这类算法大多不是开源的，因此成果也很少被真正推广使用。

2 动态心电图的人工智能自动分析

24 h动态心电图已广泛应用了60多年。它可以在24 h内连续记录多达10万次的心电信号，明显提高了非持续性心律失常及短暂性心肌缺血发作的检出率，是一般医疗机构的心电图室和心血管科室的常规检查项目。尽管动态心电图检查具有方便、及时的优势，但其仍远远不能满足患者的需求。而优秀的AI算法对减轻心电技术人员的工作负担、提高分析效率和准确性有极大的帮助。另外，因农村和偏远地区的卫生中心缺乏检查设备或专业技术人员，开展动态心电图检查困难重重。远程动态心电中心在云上通过AI自动分析数据产生结果，再由中心专业人员对结果进行修正后出具诊断报告，返回基层医疗机构，形成心电诊断的高质量闭环。这也是远程心电和健康管理的重要内容。

动态心电图数据库目前主要有三种用途：① 为一般动态心电分析软件的设计提供检验模板；② 用于训练算法，开发更优秀的分析软件；③ 服务远程心电中心诊疗和健康管理的需要。除了要求数量庞大以外，动态心电图数据库中的数据还必须有标准化的格式和存储路径，以便于管理和算法软件的开发，最好还要具有权威性、公共性和开放性；有些数据作为检验标准还需要有正确的标注，如美国心脏协会（AHA）和 麻省理工学院（MIT）的动态心电数据库。动态心电数据是长时段、多通道的矢量曲线信号，检测时间长，数据量随采样频率和分辨率的提高呈几何级的增长。由于医用电子技术发展阶段的不同，国内外动态心电图机生产厂商的设备标准和数据结构表达也不同。虽然国内大医院保存的动态心电数据量已非常庞大，但仍未形成大数据库。要建立动态心电公共数据库平台，不仅需要制定公认的标准数据和格式，而且还要把各种格式的动态心电数据转换成标准格式。这就需要各医疗机构开放数据，也需要各厂商开放各自的数据格式，还需要医疗机构、医疗学术部门通力协作才有可能完成。

目前，性能较好的计算机都能满足一般医疗机构分析数据的算力要求。如果远程动态心电中心和分布式终端模式需要云端并行计算，那么就要采用服务器方式，并根据终端的数量和数据的流量决定服务器的数量，以满足算力的要求。目前，许多厂商生产的动态心电图记录仪都采用自动分析加模板和人工干预的方式，能基本满足一般临床需要。但即便以AHA和MIT数据库的数据标准标识为基准，自动分析结果的准确符合率达到99.5％以上，但在实际应用中却仍不尽如人意。针对数据库单独不变的两个导联短时程（30 min）典型数据进行算法设计，不能完全适应不同人群及在不同状态下动态心电的不同特点。这就需要更复杂的算法设计，才可能满足医疗机构、远程心电平台和健康管理的动态心电自动分析需求。

动态心电图主要是回顾性的、静态的、连续记录24 h的心电数据。利用机器学习的监督或无监督、强化、静态或动态等各类算法进行模型训练和自动识别归类，再从大量个体中提取和总结，能够研发出优秀的动态心电AI分析软件，以满足远程心电和健康管理的动态心电自动分析需求。目前国内外动态心电分析算法的相关论文和报道很少有开源的，无法共享；商业行为又涉及资金投入、知识产权、商业模式等问题。所以，要产生基于大数据的动态心电AI自动分析算法，除了数据库和算法要具有权威性以外，还要能共享、能开放、能移植。这同样有赖于医疗机构、医疗学术部门和行政部门、科技公司的通力协作。

3可穿戴式长时程记录心电图的人工智能自动分析

随着互联网、移动网络和电子技术的飞速发展，可穿戴式长时程心电记录设备已然兴起。长时程贴片式心电记录设备采用了近几年国际和国内开发的一种无导线远程心电新技术，只要将这种重量很轻的微型心电图记录装置贴在人体胸部皮肤上，就可以记录数天甚至更长时间的心电图信息，并可随时通过远程信息技术，将采集和储存的心电信息发送到指定的心电信息分析中心。长时程贴片式心电图记录设备使用方便、心电信息量庞大，是动态心电图机的有力竞争者。该技术已在发达国家广泛应用，并受到各类资本的追捧。长时程贴片式心电设备无论是产品本身的价格，还是使用价格都已开始具有明显竞争力，甚至被认为将与家庭电子血压计、血糖测试仪共同成为家庭或个人的保健产品。该产品具有以下明显优势：① 操作简单，操作人员无须接受系统化培训；② 能有效捕捉严重危害人体健康的阵发性短阵心律失常，如房颤、恶性室性搏动等；③ 临床上可对心脏射频消融和支架安装等手术后的心血管事件进行跟踪、对特殊疾病药物治疗后的效果进行跟踪观察与反馈；④ 解决了目前国内基层医疗机构，包括乡村和偏远地区医疗机构缺乏动态心电设备，尤其缺乏专业技术人员的问题；⑤ 适应老龄化健康管理的需要；⑥ 适用于运动医学、特殊工种人员体检、健康体检、旅行风险监测等其他领域。

可穿戴式长时程心电监测设备是心电领域的重要创新科技成果，具有发展快、应用广、数据量大、实时性强的特点。但它的AI自动分析算法还在起步阶段，远没有跟上发展的需要，今后在这方面仍有大量工作要做。

由于这类监测设备往往是建立在互联网和移动网络基础上的，因此需要采用浏览器模式和平台，构建云端服务器和数据库，并与分布式远程心电中心的数据和数据库管理模式相结合，采用客户端B/S数据流模式。随着用户端的增多，算力要求相应提高，需要多个服务器并行运算。界面、架构、运算程序等需要由不同的软件工程师编写，这有赖于信息技术行业的专业人员和技术公司才能完成。对于云端各种服务器的维护和管理，医疗机构通常很难单独承担，需要借助于社会和企业资源的支持。在可穿戴式长时程心电监测设备的实际应用中，除了数据结构标准化以外，还涉及数据的隐私权和所有权等其他很多问题；如果采用移动通信网络，还涉及国家的规范和政策、安全要求、法律边界等问题。为了顺应技术发展趋势、满足医疗健康需求，不少医疗机构、行政机构及科技公司正在该领域密切合作，在技术应用、运行模式等方面努力探索。

可穿戴式长时程心电监测设备应用中最突出的是算法问题。心电信息的长时程和信息质量的不稳定对AI算法提出了更高要求。这主要表现为以下方面：① 人体心脏位置和电极安放部位的差异引起心电电压低，体位变化引起心电图形态变化；② 连续数天的长时程监测对电极片的性能和如何减少伪迹提出了更高要求；③ 采用移动通信作为数据传输方法，信号发送和接收的过程会对心电信号的质量和连续性产生明显的影响；④ 最常见的长程单导联记录设备无其他导联供分析参考；⑤ 运算量大、实时性要求高（有时需要提供实时的动态心电分析报告）。

影像、检验等其他医疗信息基本上属于静态像素数据，而心电信号是矢量信号，记录时间长且数据动态变化大、维度多、随机伪迹多，加之可获得的开源资源极少，这些因素增加了长时程单导联心电信号AI算法的开发难度。心电信息的AI算法研究需要医学、生物医学工程、数学、计算机科学等多学科的合作，尤其是当前计算机技术和AI技术发展日新月异，派生的各种细分算法层出不穷，而这些算法的正确性、可读性和有效性仍有待临床检验。

4 心电散点图人工智能自动分析

心电散点图是分析长时程心电图的有力工具，尤其是对心律失常的快速和准确诊断起了很重要的作用。散点图的形态特点描述往往是由心电生理和心电图形特征相互印证、经推演过程之后产生的，如室早和室内差异性传导的鉴别诊断，室性并行心律、房颤伴双径路等复杂心律失常的识别等。今后，散点图的应用也将对更多复杂心律失常的诊断发挥不可忽视的作用。

心电散点图AI分析有如下3个特点：① 只需一定长度的连续记录心电图就能进行散点图分析，而无须顾及心电设备的各种参数指标和导联连接方法。② 散点图目前已形成比较一致的表达方法和格式，只要通过已被正确识别和标注的RR间期及统一的表达格式文件，就可以便捷地实现不同主体之间的数据交换、算法共享、结果共享，而无须强大的算力或庞大复杂的数据库管理系统的支持。③ 散点图本质上是由连续数据转换成的图像模式，而图像识别是目前AI识别的强项。通过专业人员编写AI程序进行学习检验，不同类型心律失常的散点图特点可以随着数据量的累加而不断显现，算法得以持续完善，散点图的特征类型与心电诊断不断契合，从而使散点图诊断的准确性、易行性和快速性更为凸显。然而，散点图在临床应用中也存在缺陷，例如，在相同频率的窄QRS节律中，其无法区分心律失常的性质，对心肌缺血的诊断帮助不大。

5 结语

对于常规心电图、动态心电图、长时程心电图和心电散点图等心电数据的AI自动分析，是心电学界跟进AI和大数据时代，开展科学探索和不断解决心电临床应用及健康管理问题的时代要求。目前，在心电AI自动分析数据库建设中存在的主要问题如下：① 算法谁来做？生物医学工程技术交叉学科人员与医疗专业人员的知识分离，需要进一步加以整合、协作与磨合。② 数据库谁来建？作为一个学科建立的数据库大平台，要有统一的数据格式和标准，真正做到可开放、可升级、可维护，同时，也要明确数据使用权和开放权、个人隐私信息保护界限等关键性问题。③ 成果归谁？心电AI算法的编写、云端算力和数据库平台的建立，可以是医疗或行政机构的公益行为，也可以是科技公司或资本介入的商业行为。知识产权的归属是需要探索和解决的重要问题。④ 法律法规问题。互联网和移动网络公共平台在进行心电信号传输记录过程中有不可控的、难以预测的风险，需要借助法规加以明确；心电设备自动分析诊断的检测、监测、监护功能概念需要界定清晰；健康管理和医疗诊断解读的界限、法规和政策边界需要完善等。

要有效解决心电AI算法的研发及心电自动分析推广中面临的诸多难题，不仅需要业内专家凝聚共识，而且需要相应的政府部门和医疗机构主导，也需要科技公司介入、心电专业机构组织协作等。可喜的是，这些问题已经引起了心电学界的重视，也有越来越多的部门和科技公司参加进来，取得了很多的经验。全国政协委员、中国科学院院士葛均波在今年3月召开的全国政协十三届四次会议上提出的远程心电六条措施的落实，将为心电信息AI分析的发展带来新的机遇，也将为本文提出的一些关键问题的解决带来积极的影响。

相

关

论 文

集

锦