根据国家心血管疾病中心的最新数据，心血管疾病(CVD)是中国居民死亡首因，会导致 40%人群死亡。心律失常在 CVD 患者经常发生，对于这些有症状/无症状的患者及时检出心律失常并进行治疗，可显著降低死亡率。

由于心律失常的发生通常是短暂和不可预测的，越来越多的研究表明，ECG 或常规 24 小时监护仪(Holter)常常会忽略心律失常相关的发病率和死亡率。人工分析大量心电图或动态心电图数据是枯燥耗时的，准确的 ECG 心电图诊断还需要给出一个比较长的学习曲线。此外，传统的 24小时监护仪(Holter)是回顾性分析，无法在危急心律失常发生时及时给出预警。

远程实时心电监测是近年来医学领域迅速发展起来的一项技术。研究表明，它在改善卫生服务、疾病诊断和患者转移方面具有巨大优势。ECG 远程监测可用于多种疾病，如心脏装置植入患者、慢性肺病患者、糖尿病患者，尤其是心脑血管疾病患者。对于危及生命如急性心肌梗死、恶性心律失常等 ECG 的监测中，快速及时预警是非常必要的，同时利于及时启动治疗，挽救患者生命和改善预后。

在研究文献《Artifcial intelligence-based Remote Electrocardiogram Monitoring lmproves the Diagnosis of Arrhythmias and Reduces Morbidity Caused by Fatal Arrhythmias》中，评估了基于人工智能的远程监测系统 AI Holter 在调查心律失常流行病学心电图判读以及协助医生诊断可疑 CVD 患者治疗方面的临床价值。研究结果表明，使用这种基于人工智能的远程监测可以提供较高准确度的快速诊断，及时发出预警，有助于对重症患者进行及时治疗。现报告如下：

1

研究人群

2018年1月至 2019年 10月期间在合肥高新心血管医院及其下属医院/诊所就诊具有相关症状(如心悸、胸痛或不适)的连续患者。纳入标准包括不限制年龄，只要其能够遵守连续心电图监测且提供知情同意书。收集患者的临床信息，包括年龄、性别、身高、体重、血压、心率、既往病史和个人习惯(如吸烟、饮酒)。

所有患者(或其父母，如果<18岁)在入选前均必须获得书面知情同意书。该研究方案经合肥高新心血管医院伦理委员会批准，并按照 1975年《赫尔辛基宣言》的伦理准则进行。

2

远程心电数据的记录、监测和分析

AI -Holter是一种内置远程移动心脏监测系统和实时监测预警装置的医疗设备，已获得美国 FDA和欧盟 CE认证。ECG 数据可自动也可手动传输至数据分析中心。基于 AI 的 ECG 分析系统先进行初步数据筛查并给出结果，然后由专家确认诊断结果。如果存在不一致，三名专家将进行讨论并给出一致的诊断。

乐普心脏实时监护预警机（心安宝）

3

预警设置和管理

ECG 预警值按照以下标准进行设置(见表1)。AI 分析系统将对达到 ECG 预警值的数据给出预警信息。同时后台 ECG 分析专家将立即对预警数据进行审查，并立即电话联系患者或者其临床医生。临床医生接到电话后将决定患者是否需要进一步临床干预，包括症状管理、急诊室(ER)或接受其他干预。

4

研究结果

本研究纳入了 16408 名患者(6-95 岁，平均 52.3±38.4 岁)。51.2%为男性，58.2%患有高血压30.6%患有糖尿病，26.2%患有冠心病，13.4%有中风或短暂性脑缺血病史。69.7%的患者来自合肥高新心血管医院下属医院或诊所(二级及以下医院)，其中住院患者7536人(45.9%)，门诊患者 8872人。整体研究人群的临床信息统计见表 2。

图2 AI-Holter 检出心律失常的分类

ECG 数据先由 AI 分析系统分析，再由后端心电分析专家进行确认。结果显示，78.3%的患者检出不同程度的心律失常。其中，房性/室上性心律失常是最常见的心律失常 占比 40.7%，其次是室性心律失常(30.2%)和 ST-T改变(20.5%)(见图2)。我们还分析了性别对心律失常发病率的影响。总的来说，不同年龄的心律失常发病率几乎没有性别差异，除了 20-29 岁年龄组的 ST-T段变化，女性比男性更常见(数据未显示)。

5

预警设置

由于符合预警标准，3351 名患者得到预警。其中，52.7%为男性，共有8874个预警电话。预警数据统计如表(见表 3)所示。室上性心动过速是触发预警的最常见原因,占43.4%,其次是 ST段改变(27.5%)、心房扑动/颤动(9.6%)、房室传导阻滞(6.0%)和严重心动过缓(5.3%)。

在所有预警患者中，1229名患者(36.7%)进行了立即临床干预，包括医疗观察和管理、转移到急诊室、接受早期干预(如起搏器植入、冠状动脉造影/PCI 介入、射频消融、电除颤等)(图 3)。图4显示了因ST-T抬高(急性心肌梗死)引发预警的典型病例。

图4  AI-Holter 监测、预警患者管理的典型案例

在本研究中，分析了基于 AI的 ECG 远程监测设备(AI-Holter)的数据。在 16408 名患者中，对3350 名患者进行了预警，同时进行8874个电话预警。所有危急情况都得妥善的临床干预(如，起搏器植入、AMI 支架、致命性室性心律失常除颤以及室上性心动过速的药物治疗)。

AI-ECG 技术能有效处理干扰信号，减少干扰对判读的影响，支持 72 种特殊 ECG 诊断类型，分析更详细，准确度高，稳定性好，不会因工作时间长而导致质量下降。传统人工分析 24小时动态心电图的平均时间为 20-30 分钟，而 AI-ECG 算法分析 24 小时动态心电图的时间约为 1-5 分钟。快速和高准确率可以大大缩短总体分析时间。

AI-Holter基于 AI 的 ECG 分析系统训练数据来自 300000 名患者的近 3000 万个精确标记的数据片段，同时采用 100万测试数据进行独立测试，准确率可达 95.2%。对于某些特殊心律失常，如心房颤动，阳性预测率可达到 99%，远远高于传统分析(~70%)。分析和预警系统可以根据每个患者的身体状况的不同数据的变化趋势，推导出个性化的报警阈值，这大大提高了有效预警率，减少了误报。

综上所述，AI-Holter是一种可靠的实时心电远程监测设备，能够快速预警和准确诊断，帮助临床医生有效管理患者，从而改善患者预后，降低死亡率。这种基于人工智能的心电监护系统为大容量心电数据分析和快速准确诊断提供一种低成本、有效的解决方案。