上QQ阅读APP看书，第一时间看更新
（六）心电AI智能辅助诊断在区域心电诊断监测平台中的应用与实践
应用单位：南京市卫生信息中心
涉及科室：心功能室、心内科
疾病种类：心血管疾病
案例简介：为了实现区域内心电检查数据集中管理、临床共享与互认，整合区域内优质医疗资源，为全市各级机构提供高效、高质量的远程诊断服务，南京市区域心电诊断监测平台自2016年6月底开始建设，依托江苏省人民医院作为主业务中心，完成省人民医院集团、南京医科大学第二附属医院、南京市儿童医院、南京市中医院、马鞍山市立医疗集团、镇江、扬州等地医疗机构的对接，并向下接入玄武、雨花台、栖霞、江宁、浦口、溧水、高淳、六合、江北新区等区域的心电诊断系统，在市、区两级平台的架构下，形成了“基层社区卫生服务中心-区平台（医院） -三级医院”的分级诊疗服务模式。2018年起，为提升南京区域心电诊断监测水平，南京市卫生信息中心将心电AI智能辅助诊断功能纳入区域心电诊断监测平台中落地应用。
1.案例背景
心电图是分析和鉴别各种心血管疾病最常用和最精确的无创手段。但很多心脏病是偶发的，尤其前期表现心律失常，很多是偶尔感觉不舒服，去医院检查时又是正常的，如在晚期出现胸闷甚至晕厥才去医院就诊，很可能错过最佳诊断时间。因此患者的心电长程监测格外重要。
由于心电信号本身的复杂性和变异性，传统心电图机器分析技术存在一定局限性，无法真正做到自动、快速、准确分析，必须依靠专业医生进行分析，而大部分医疗机构，特别是基层医院，专业心电图医师资源匮乏，对广大基层心血管疾病患者获得及时、准确的诊断和防控治疗造成影响。
具体心电图检查痛点主要为，心电图医生资源较少，长程监控数据中的异常点出现不规则，医生人工解读费时费力。心电图机器分析算法存在不足，在引入深度学习技术之前，使用现有算法准确率长期在70%左右。单导联产品没加载“人工智能算法”，都是通过医生进行诊断预警，无法保证诊断的时效性和准确性，用户体验不佳。
针对上述问题，利用人工智能与医疗系统融合，研发心电AI诊断模型，以人工智能突破心电技术瓶颈的重要性逐渐凸显。不但可提供准确的自动诊断信息，也可以对患者长程心电预警、诊断。心电分析算法的发展经过了几个阶段：2000年以前，医师主要依靠波形特征进行检测，如峰值高度、波峰间期等。之后研究者在依靠波形特征检测的基础上加入了时频、小波、高阶统计量等因子。2006年后，随着神经网络和深度神经网络的发展，心电分析算法再次进入了大众视野。
2.案例亮点
将心电大数据、机器学习、人工智能应用于医疗系统，研发心电AI诊断模型，以人工智能改变传统心电图分析技术的局限性。研发的心电AI辅助诊断系统需提供自动诊断信息，满足临床辅助诊断准确性要求，同时可实现对心电长程监测的预警诊断（图3-15）。
图3-15 案例亮点
通过FTP文件传输、数据拷贝、数据接口的方式获取平台历史静态心电图的数据，数据信息需包含心电数据（需读取心电平台采集的30秒原始数据）、采样频率、患者年龄、性别、临床诊断、心电诊断等。将获取到的心电数据进行预处理，去除噪声并筛选目标异常分类，将预处理后的数据上传到云存储，通过随机方式分配给多位心电专家医师来对数据进行二次标注，得到高精度数据，为后期进行模型开发和训练使用。
进行数据训练，将处理过的数据划分为训练集、验证集和测试集，基于Densenet和RNN的神经网络，用深度学习技术训练心电AI诊断模型。在临床进行模型验证，利用划分的验证集对训练获得的模型进行评估，并与专家医师的结果进行比对计算模型准确率，并进一步在心电平台随机挑选临床心电图进行比对，根据比对结果迭代改进模型。开展模型试运行，根据院内网络现状和医院信息部门的要求，进行心电AI辅助诊断系统的部署工作，以满足院内外计划的应用场景的需求。
目前采集心电数据总量约200万份，格式包括HL7和PDF，并经过归一化处理。经过专家标注的心电图数据，近60万份，数据分布在138个分类，经过统计研究发现，主要集中在18个常见分类，经过筛选合并，确定18个分类要用深度学习模型进行自动诊断，其他分类使用传统特征识别和机器学习算法进行（图3-16）。
目前研发的心电AI诊断模型，可以进行心电临床数据的二分类、四分类、九分类及十八分类评估，诊断模型应用效果在正常/房颤模型整体准确率99.15%，正常/节律/波形/节律+波形4分类模型整体准确率接近95%，十八分类模型整体准确率95%。
图3-17为用心电AI辅助诊断系统对2万份患者心电数据进行自动诊断的临床验证结果：
图3-16 案例亮点
图3-17 案例亮点
3.应用成效
江苏省人民医院作为区域心电主业务中心，医院内部署心电AI辅助诊断系统，心功能室利用系统对全院心电数据进行统一管理、统一诊断。据统计，医院门急诊、病区及体检中心日心电检查量在500例以上，其中体检中心80%以上心电检查人群都为正常，门急诊、病区心电检查50%以上患者为正常。靠传统心电机器算法分析及人工诊断需耗费大量时间，应用AI辅助诊断系统在大量的心电诊断业务中自动筛选出正常心电图，将异常数据的推送给心电图诊断医生进行诊断，提高科室心电业务诊断效率，将心电图专家从基础工作业务中解放。科室在不增加人员结构基础上满足全院乃至医联体医院的心电图诊断业务。
同时AI心电辅助诊断还可在以下三个方面助力临床心电诊断：在临床监护方面，心电AI辅助诊断系统可帮助医生减轻负担，减少他们关注的压力，提高医生的工作效率。在异常定位方面，克服了动态心电检查患者预约时间长、动态心电报告医生少等困难，通过人工智能技术帮助医生诊断时快速定位、发现异常。在风险预测方面，对于术后、慢性病患者可以通过家庭设备监测心电变化，通过心电AI赋能慢性病管理平台中的心电诊断业务，可以让患者在家中获得及时、准确地诊断和预警救治。
4.专家点评
南京市卫生信息中心主任殷伟东点评：“心电AI智能辅助在区域中不仅可以提升三级医疗机构院内心电管理效率，还可以大大提高区域内医联体医院心电辅助诊断水平。同时心电AI诊断在居民自我健康管理中还将有广泛的应用。对于慢性病患者、术后随访患者居家长程监测的心电数据，心电AI辅助诊断系统可辅助患者的家庭医生分析，解决分析难点为患者提供及时准确诊断和预警救治。”