智能手表健康应用检测心房纤颤是否足够智能?

对患者进行心脏监护和使用植入式心血管电子设备可以增加心房颤动(AF)的检测，但这些设备存在电池寿命短和缺乏即时反馈等局限性。能够记录心电图(ECG)条并进行自动诊断的新型智能手机工具能否克服这些限制并促进及时诊断?最大的研究迄今为止，在爱思唯尔出版的《加拿大心脏病学杂志》上，发现在心电图异常的患者中使用这些设备是具有挑战性的。研究人员表示，更好的算法和机器学习可能有助于这些工具提供更准确的诊断。

法国波尔多大学医院LIRYC研究所的首席研究员Marc Strik博士解释说:“早期的研究已经证实了Apple Watch在有限数量的具有相似临床特征的患者中诊断AF的准确性。”“我们测试了Apple Watch ECG应用程序在多种ECG异常患者中检测房颤的准确性。”

该研究包括734名连续住院患者。每位患者都接受了12导联心电图检查，随后立即进行了30秒的苹果手表录音。智能手表的自动单导联心电图AF检测分为“无房颤迹象”、“房颤”和“不确定读数”。将智能手表记录交给电生理学家进行盲法解释，将每条追踪记录诊断为“房颤”、“无房颤”或“诊断不明确”。另一位盲眼电生理学家解释了100个随机选择的痕迹，以确定观察者同意的程度。

在大约五分之一的患者中，智能手表的心电图无法产生自动诊断。对于房颤和室性早搏(PACs/PVCs)、窦房结功能障碍和二度或三度房室传导阻滞的患者，自动房颤检测假阳性的风险更高。对于房颤患者，对于心室传导异常(室间传导延迟)或植入起搏器控制心律的患者，假阴性追踪(漏诊房颤)的风险更高。

心脏电生理学家对房颤和非房颤的区分有高度的一致性。智能手机应用程序正确识别了78%的AF患者和81%的非AF患者。电生理学家识别了97%的AF患者和89%的非AF患者。

室性早搏患者在智能手表心电图中被假阳性诊断为房颤的可能性高出3倍，对心房心动过速(AT)和心房扑动(AFL)患者的识别非常差。

“这些观察结果并不令人惊讶，因为智能手表的自动检测算法完全基于周期可变性，”斯特里克博士指出，并解释说室性早搏会导致短周期和长周期，这增加了周期可变性。“理想情况下，算法可以更好地区分室性早搏和房颤。任何局限于周期变异性分析的算法在检测AT/AFL方面的准确性都很差。”机器学习方法可能会提高智能手表对这些患者的AF检测准确性。”

在一个伴随的社论andrs F. Miranda-Arboleda，医学博士和Adrian Baranchuk，医学博士，加拿大Kingston健康科学中心心脏病学分部，观察到这是第一个“真实世界”的研究，专注于使用Apple Watch作为AF的诊断工具。

“这是非常重要的，因为它让我们了解到苹果手表在AF诊断中的表现受到潜在心电图异常的显著影响。在某种程度上，用于检测心血管疾病患者房颤的智能手表算法还不够智能。但它们可能很快就会消失，”米兰达-阿尔博莱达博士和巴兰楚克博士说。

“随着智能手表在医学上的使用越来越多，了解哪些医疗条件和ECG异常可能影响和改变智能手表对房颤的检测，以优化我们的患者护理，这一点很重要，”斯特里克博士说。“智能手表检测心房颤动具有巨大的潜力，但对于已经患有心脏病的患者来说，这更具挑战性。”