航天中心医院心脏医学部 张帆 丁春华
编者按:可穿戴设备被认为在房颤诊断、负荷评价和筛查方面具有广泛前景。欧洲心脏病学会年会(ESC 2023)上Dipak Kotecha 教授公布了“RATE-AF:可穿戴设备研究”的结果,将可穿戴设备采集的数据应用人工智能(Artificial Intelligence,AI)生成模型,可以预测患者未来的心功能变化趋势,本刊特邀航天中心医院丁春华教授深入解读。
RATE-AF研究中,纳入了160名60岁以上存在心力衰竭症状的房颤患者,通过随机分组,分别选用地高辛或β受体阻滞剂控制心率,分别在6个月和12个月对患者生活质量、心功能及心衰标志物进行评估。研究的主要终点为两组患者的SF-36 PCS(生理总评分),次要终点包括患者的生活质量、心功能、不良事件等。
关于主要终点,在观察6个月时发现两组患者的SF-36 PCS没有显著差异。在次要终点中,地高辛可以持续改善患者的EHRA及NYHA心功能分级、降低NT-proBNP水平、减少住院及死亡等不良事件的发生。
在本研究中,则证实了在伴随心衰症状的房颤患者控制心率方面,地高辛治疗优于β受体阻滞剂治疗。
在传统研究中,常常只能通过定期随访获取研究数据,从特定时间点的检查结果来评估患者的生理状态。而可穿戴设备、物联网、人工智能等技术的发展,给了更多前所未有的角度来精准评估患者的情况。
RATE-AF子研究纳入了53例房颤患者,平均年龄76岁,其中40%为女性患者,使用可穿戴设备监测20周,记录了超过1.4亿次心率数据和2300多万次活动数据,将这些数据收集至数据处理中心进行汇总分析(图1)。
图1. RATE-AF子研究
结果显示,在20周监测期间,地高辛和β受体阻滞剂在控制心率方面未见显著差异(图2)。进一步纳入活动强度进行综合分析,结果发现两种药物在不同活动强度下对心率的影响也无显著的统计学差异(图3)。
图2. 平均每周心率数据汇总
图3. 不同活动强度下两种药物的心率控制比较
与6分钟步行试验比较显示,在NYHA分级预测能力方面,可穿戴设备数据预测准确度(F1值)相当(P=0.72)(图4)。
图4. 心功能预测
点 评
在RATE-AF研究过程中,53名参与者选择加入一个研究心率与身体活动关系的子项目。RATE-AF子研究使用类似于运动手环的可穿戴设备监测身体活动、睡眠及心率,并通过智能手机上传到服务器中。通过这种方式获得的动态心率结果将为进一步的分析研究提供支持。通过这种设备,可以分析不同组间的心率差异。根据传感器记录的运动情况,对不同活动量的患者进行亚组分析,排除运动对心率造成的影响。通过这种方法可以发现,无论活动量如何,地高辛都可以得出与β受体阻滞剂相似的心率控制效果。
每个患者的运动情况及心率变化等指标结合6分钟步行试验、ECG等检查结果,经过自监控卷积神经网络等方法生成AI模型,可以预测患者未来的心功能变化趋势。
纵然,心率控制是有效的,但是目前房颤心率控制的难点在于如何去发现这些心律失常。常规心电图及动态心电图的采集时长较短、并且体积较大,不适合进一步延长监测时间,对于阵发性房颤患者常常会导致漏诊。而诸如循环心电记录器、埋藏式心电记录器等设备,存在需要手动激活或有创植入等缺点,难以大量推广。
近年来,诸如运动手环等可穿戴设备的发展带来了新的解决方案。大多数类似设备都具有血氧传感器及加速度计,其可以探测脉搏波的变化来分析心律并记录运动和心率情况。通过AI算法,可以精确识别房颤的发生。部分设备可以识别心电图,进一步提高了准确性。早期识别房颤的发生并进行干预,有助于避免血栓栓塞等不良事件的发生。更重要的一点是,这些设备体积小巧,同时具有多种功能,患者接受度更高,更易于推广。