进展

临床实践中，尤其是急诊，呼吸困难的患者并不少见，相当一部分是左室功能障碍导致的呼吸困难。鉴别到底是心源性（左室功能障碍）还是其他原因导致的呼吸困难往往需要消耗医生很多的时间和精力，需要完善很多相关检查。

人工智能（AI）在临床中的应用日益广泛，心电图也是人工智能技术应用的热点领域；只靠一张AI辅助的心电图来诊断左室功能障碍，到底靠不靠谱？

近期发表在Circulation：Arrhythmia and Electrophysiology杂志的一项观察性研究，通过人工智能技术分析急诊患者的心电图特征，以协助判断和预测左室功能障碍的应用，一定程度上回答了上述问题，让我们一起来看看吧。

研究设计

本研究回顾性纳入了自2020年5月1日至2020年12月31日就诊于梅奥诊所急诊，且行心电图及经胸心脏超声的1300名患者。

收集其左心室射血分数和心电图参数（包括PR间期、QT间期、校正的QT间期、是否存在左右束支传导阻滞及起搏器植入等情况）；

从以下几个维度评价了AI心电图预测左室功能障碍的效能：

受试者工作曲线下面积（AUROC）、

检验灵敏度、

特异性、

阴性和阳性预测值（基于超声心动图左心室射血分数评估）。

人工智能模型为每个被分析的心电图生成一个介于0和1之间的数字预测概率，初始研究设定的示筛查阳性的阈值≥0.256。

研究结果

纳入研究的患者平均年龄为69岁，其中43.3%为女性。

总的来说，根据患者的左室射血分数（EF）水平，大体分为两类：

（1）EF≤35%时，AI-ECG的AUROC为0.893；

准确率为82.7%，灵敏度为78.6%，特异性为83.1%，

阳性预测值为30.4%，阴性预测值为97.6%。

对于预设的亚组患者，人工智能心电图的预测效果仍然稳定，

对存在心室起搏患者的AUROC为0.822，

存在右束支阻滞的为0.857，

存在左束支阻滞的为0.784。

（2）EF

准确率为81.8%，灵敏度为59.9%，特异性为87.3%，

阳性预测值为54.3%，阴性预测值为89.6%。

对于起搏的患者，其AUROC为0.752，

存在右束支传导阻滞为0.825，

存在左束支传导阻滞为0.834，

存在宽QRS为0.832。

图1 森林图描绘了

人工智能ECG算法检测左心室功能不全（定义为射血分数≤35%）的性能

研究结论

这项研究进一步证实了人工智能技术辅助的心电图在诊断左室功能障碍方面的较高效能，尤其是静息状态下、心电图提示传导异常的患者，预测价值更好。

心室起搏、宽QRS或右束支传导阻滞不影响诊断效能，但对于存在左束支传导阻滞（EF≤35%时）或存在心室起搏器（EF

特定的宽QRS图形、起搏信号以及QRS波形可能是人工智能心电图确定个体左室功能的重要变量。

值得注意的是，目前临床实践中，还不能独立依靠AI-ECG这一技术判定患者是否存在左心室功能障碍时，仍应该结合患者其他特征进行综合判断。

来源：

Impact of ECG Characteristics on the Performance of an Artificial Intelligence Enabled ECG for Predicting Left Ventricular Dysfunction. Circ Arrhythm Electrophysiol.2021 May;14(5):e009871.doi: 10.1161/CIRCEP.121.009871.

作者：薄小雯 北京安贞医院