心電信號的動力學數據特征值分析輔助急性胸痛患者早期鑒別的價值

梅 麗，黃 剛，何俊德，婁娟娟，王 琴，李貴軍

（1 六盤水人民醫院心內科 貴州 六盤水 553000）

（2 六盤水鐘山區人民醫院心內科 貴州 六盤水 553000）

（3 上海圖靈醫療科技有限公司 上海 201400）

急性胸痛是急診科以及心內科常見的就診癥狀。急診胸痛患者雖然都以“胸痛”為主訴癥狀，但起因卻非常復雜，涉及到多個器官和系統，是危險度很高的致命性疾病，包含了急性冠脈綜合征（ACS）、主動脈夾層、肺栓塞以及張力性氣胸等，快速、準確地鑒別診斷心源性和非心源性胸痛是急診處理的難點和重點[1]。《中國心血管病報告2017》顯示我國心血管疾病發生率呈逐年增高趨勢，其中心源性急性胸痛患者伴有急性心肌缺血情況，非心源性急性胸痛患者無冠狀動脈病變發生[2]。在臨床實踐中，心源性的急性心肌梗死和非心源性的肺栓塞及主動脈夾層等同屬常見危重病，心電圖是急診胸痛患者的入院初期必檢項目，也是首選的速查手段，但對于非ST 段變化的心臟疾病，心電圖則較難判斷，這類患者難以對癥狀相同且使用心電圖難以區分的非心源性急性胸痛患者迅速做出辨別，而按照流程直接進入血檢等心源性診斷項目，會大大延長檢測周期，這增加了非心源性急性胸痛的危重患者的分診時間。因此快速有效的鑒別、診斷和處置對于急診胸痛患者刻不容緩[3-4]。胸痛中心早期專為救治急性冠狀動脈綜合征患者而設立，是集接診、分診、檢查、轉運、監護、常規藥物治療和急診冠狀動脈介入治療為一體的獨立單元[5]。本研究利用好心電信號，運用神經網絡建模以及人工智能學習算法等，為心源性急性胸痛患者和非心源性急性胸痛患者的早期鑒別提供一種新的輔助鑒別方法。現報道如下。

1.資料與方法

1.1 一般資料

選取2020 年7 月—2021 年3 月六盤水市人民醫院胸痛中心收治的急性胸痛患者，在已確診患者中調閱檔案。隨機選取心源性急性胸痛確診患者90 例，男53 例，女37 例，平均年齡（57.3±12.2）歲；非心源性急性胸痛確診患者90 例，男41 例，女49 例，平均年齡（61.4±11.0）歲。

1.2 方法

1.2.1 采集心電信號 針對所有心源性急性胸痛患者（90 例）和非心源性急性胸痛患者（90 例），追溯提取入院后診治前所做的心電檢測存儲數據，統一采用專門備用的深圳邁瑞生物醫療電子股份有限公司12 通道心電圖機（Benherart R12A），采集時間為16 s，采樣速率為1 kHz（A/D）。

1.2.2 計算心電動力學數據時空復雜度特征值 基于確定學習算法將12 導聯心電信號數據進行向量化處理，分別得到每個導聯的向量化數據，截取ST-T 段的對應數據，構建RBF 神經網絡模型，再通過神經網絡辨識器對系統動態進行局部準確神經網絡逼近，取得各導聯的心電動力學數據[6]。

利用混沌動力學方法[7]對心電動力學數據[8]進行進一步分析，對12 個維度的心電動力學數據分別計算時間復雜度和空間復雜度特征值。每例急性胸痛患者的12導聯心電信號經計算分析處理后最終轉化為24 個特征值（作為患者心電動力學病理特征值）。

由于時間復雜度與空間復雜度所計算單位不同，因此將特征值運用離差標準化法，即min-max 標準化（Min-Max Normalization），轉換函數為X=（X-min）/（max-min）進行數據歸一化處理。

2.結果

以醫院全流程診斷結果為金標準，其心電動力學特征值檢測診斷的：準確度82.8%（心源性胸痛患者檢測出77 例、非心源性檢測出胸痛患者72 例，檢測正確人數共149 例，除以全部急性胸痛患者總例數180 例）；敏感度85.6%（心源性胸痛患者檢測出77 例，除以心源性胸痛患者總人數90 例）；特異度80.0%（非心源性胸痛患者檢測出72 例，除以非心源性胸痛患者總人數90 例），見表1。

表1 心電動力學數據特征值檢測與醫院全流程診斷結果（例）

3.討論

急診分診是按照病情的類型、緊急程度等對患者進行分診，使患者獲得快速準確的診斷和治療。目前我國尚無統一的急性胸痛分診標準，胸痛患者的分診成為難點[9]。對于心電圖檢查以及胸痛程度分析等重要診斷項目嚴重依賴醫師經驗，充分利用現代計算機技術進行數據分析以提高準確率和減少漏診、誤診是發展趨勢。心電動力學數據時空復雜度特征值方法雖然與心電圖使用的是同源心電信號，但心電動力學數據蘊含心電信號動態信息，所計算的多維度特征值結果也更具實際仿真效果，研究表明對心肌缺血具有敏感性以及計算迅速的優點[10]。

本研究采用的心電動力學數據時空復雜度特征值分析的方法，檢測心源性急性胸痛患者和非心源性急性胸痛患者準確率達到82.8%，表明研究方法用于急性胸痛患者早期鑒別的潛力。研究限于樣本數據量以及患者種類數量不多，后期可通過加大數據量方法進一步提高準確度，同時隨著樣本數據種類的增多，可以針對不同疾病類型進一步做深一步的研究，鑒別更多的疾病種類，本研究所采用的分類方法，無需進行樣本庫的重新規范與計算，待分類樣本只需下載或更新樣本庫的特征函數矩陣，直接進行精細分類，并最大程度減小了以往近似算法的失真度，能夠快速和準確的識別出心電信號數據的統計特征。本次研究的醫院全流程診斷結果是在綜合血檢、影像等多項指標及入院觀察診治后得到的結果，雖然能夠作為本次研究的檢測結果正確與否的標簽使用，但由于全流程周期耗時較長，不適于某些急診胸痛患者的早期快速分診。而在患者入院取得心電信號，早期輸入數據計算的判斷結果，對于急診胸痛中心在第一時間迅速準確檢測，輔助心源性急性胸痛患者和非心源性急性胸痛患者的早期鑒別具有積極意義。