遠程心電監測智能手機記錄上傳用戶心電數據的分析

史生金 李俊偉 王紅宇 張玲 李瑞萍

移動醫療中遠程心電監測是落地早、推廣快，最受基層醫療單位青睞的技術。更能滿足院外患者健康需求的是移動便攜式心電監測，手機上傳信息并接受診斷結果。本文對山西省遠程心電監測智能移動手機記錄上傳用戶心電數據及自動診斷進行分析，研究其有效性和準確性。

1 資料與方法

1.1 資料

選取2018年7月12日至8月27日大同、太原、晉中、陽泉、長治、晉城、朔州、臨汾、運城、呂梁、忻州共11個城市的志愿者人群作為調查和心電圖測量對象。

1.2 方法

受試者簽署知情同意書，手機APP錄入姓名、性別、年齡。

受試者手持心電記錄儀采集Ⅰ導聯心電圖，依據心電圖結果給予相關的醫學咨詢和健康宣教。受試者9259例，其中男3872例、女5387例，年齡2～92(42.7±18.9)歲。共檢測心電圖12 109份。每位受試者連續采集心電圖1～13次不等。

所有數據從后臺導出，兩位心電圖專家分別復核，并作出人工診斷，再與智能軟件診斷進行比較。同一個受試者連續檢測的幾份心電圖合并為1例進行正常或異常例數統計。

1.3 設備

采用深圳竹信公司生產的單導聯心電圖智能系統。

1.4 統計學分析

全部資料采用SPSS 22.0統計軟件進行統計學分析。計數資料采用百分比表示，率的比較采用χ2檢驗，以P<0.05為差異有統計學意義。

2 結果

2.1 智能分析結果與人工診斷心電圖異常例數比較

智能分析檢出心電圖異常的例數高于人工診斷檢出例數，差異有統計學意義(表1)。

2.2 人工診斷心電圖異常構成比

房性心律失常包括房顫患者30例，檢出率占總人數的0.32%，占異常心電圖的5%，其他類型心電圖異常7例，包括陣發性室上性心動過速1例，交界性早搏1例，起搏器心電圖3例，心室預激心電圖改變2例(表2)。

表1 智能分析與人工審核心電圖異常例數 n(%)Tab.1 Number of abnormal ECG cases by using intelligent analysis or artificial check

表2 心電圖異常構成比Tab.2 Constituent ratio of ECG abnormalities

2.3 智能分析判定心電圖結果與人工診斷符合率

智能分析12 109份心電圖中，智能軟件正確識別10 789份，自動診斷與人工診斷符合率為89.1%。不能正確識別的1320份心電圖中，心電圖干擾誤診1213份，占比91.9%。排除干擾，自動診斷與人工診斷符合率為99.0%。

3 討論

智能軟件診斷心電圖的有效性和正確率一直是關注的問題。本研究在山西省多地區進行大樣本采集測試，結果顯示智能設備初篩心電圖異常的檢出率為14.0%，高于人工診斷(6.5%)。被誤診的694例主要原因考慮有以下兩方面：一是智能軟件難以識別心電圖中的干擾波形，這些干擾波形主要是采集心電圖帶入的。受試者自助采集心電圖，雖然有工作人員指導，但是雙手手指捏住心電圖儀有抖動、年齡偏大手干燥、初次操作儀器用力太大導致干擾較大，經多次采集練習后，結果比較穩定，干擾減小；二是由于檢測的是Ⅰ導聯，有些受試者本身的QRS波群電壓低，導致智能軟件識別R波困難。自動診斷常把干擾誤診為心律失常，與人工診斷的比較顯示干擾被誤診為心律失常是導致符合率較高的主要原因，干擾誤診占誤診比例高達91.9%。這也說明人眼識別判定干擾的能力強，智能軟件需要提高識別干擾的功能。對于無干擾心電圖，智能軟件識別R波、計算間期以及判別心律失常與人工診斷的符合率很高，可以輔助人工診斷。

本次檢出的異常心電圖以快速性心律失常(房性早搏和室性早搏)占比最高，合計占比46.0%，其中檢出房顫患者30例，占比為5.0%。趙歡等[1]研究發現遠程心電監測儀自動識別心房顫動的敏感性為93.9%，特異性為88.6%，陽性預測值為88.5%，陰性預測值為94.0%；便攜式遠程心電記錄儀記錄的心電信號與常規心電圖對應導聯的心電信號差異無統計學意義，記錄準確、可靠，可作為心房顫動心電監測的有效方法。目前，已有研究證實移動設備較傳統篩查方式可以更早地探知并確診心房顫動的發生，可進行早期干預治療，減少嚴重并發癥的發生[2-5]。而我們使用的遠程智能心電監測設備檢測到0.32%的患者發生了房顫。本研究結果顯示，遠程心電監測智能手機記錄上傳用戶心電數據可以識別心律失常，判定心房顫動。智能軟件自動診斷符合率尚可，但還需進一步提高識別干擾的能力，該技術將是以后健康監護的重要手段之一。