持续性心房颤动（房颤）患者导管消融的成功率仍不理想，多项研究显示左房低电压区可显著增加房颤术后的复发风险。此外，有研究显示如果房颤患者存在左房低电压区，那么在传统消融方式基础上附加左房低电压区消融可改善手术成功率。如果房颤患者存在大面积低电压区，房颤消融复发率非常高。因此，房颤患者术前评估左房低电压对于选择治疗策略十分重要。研究显示高龄、女性、肾功能不全、左房扩大、心功能不全可增加房颤患者左房低电压的风险，且有研究基于以上指标建立了预测左房低电压的评分，包括DR-FLASH评分、APPLE评分、ANP评分等，然而这些评分没有包含心电图资料，且这些评分的曲线下面积并不高，波动于0.711～0.809。近年来，人工智能心电图在心血管疾病中取得了较大的进展，包括预测房颤的发生、左室肥厚及左室功能障碍等。
哈特瑞姆心血管病医院刘兴鹏教授联合北京大学健康医疗大数据国家研究院洪申达助理教授及心之声医疗研发团队通过构建人工智能算法对持续性房颤患者的心电图进行分析，发现基于纸质版心电图的深度学习模型和基于心电图及临床资料的随机森林模型预测左房低电压的性能均显著优于预测左房低电压的临床评分（DR-FLASH评分及APLLE评分）。此外，人工智能心电图模型在预测左房大面积低电压方面也表现出较高的性能。该成果于2024年7月发表在Journal of Cardiovascular Electrophysiology杂志上。随后，该期刊发表述评，述评指出该研究使得持续性房颤患者的个体化消融迈出了一大步。
该研究纳入了587例行射频消融术的持续性房颤患者，共分析了942例术前纸质版心电图，心电图为房颤律。术中在消融前在房颤律下行左心房电压标测，左房低电压区的定义为双极电压<0.2mV，并覆盖>5%的左房表面积。大面积左房低电压的定义为左房低电压的面积>20%。此外，我们计算了临床上预测左房低电压的DR-FLASH和APPLE评分。
纳入的患者按照8:1:1的比例被分为训练集（n=469），验证集（n=58）及测试集（n=60）。53.7%的患者存在左房低电压。本研究表明若单独基于心电图，深度学习模型预测左房低电压的曲线下面积（AUROC）为0.752，优于DR-FLASH评分（AUROC=0.610）及APPLE评分（AUROC=0.510）。随机森林模型综合了患者的临床资料及心电图，预测左房低电压的AUROC为0.759。
此外，有77例患者存在大面积低电压区，选取年龄、性别匹配的无低电压的持续性房颤患者77例进行对比分析，平均随访6.7年，发现存在大面积左房低电压的房颤患者术后复发率显著增加（79.2% vs. 40.2%, P<0.001）。深度学习模型预测大面积左房低电压的AUROC为0.775，敏感性为0.816，特异性为0.896；随机森林模型预测大面积左房低电压的AUROC为0.897，敏感性为0.862，特异性为0.935。
人工智能心电图模型如何预测的左房低电压仍是个黑匣子。但我们对比了无左房低电压、左房低电压面积为5.9%及左房低电压面积为77%的心电图及深度学习模型的预测结果，发现随着左房低电压的面积逐渐变大，心电图f波的振幅逐渐减低。因此，我们考虑f波的振幅在人工智能心电图模型预测左房低电压方面存在着很大的意义。
表1.研究人群的基线资料
图1.预测左房低电压的ROC曲线（A）和模型性能比较（B）
图2.人工智能模型预测左房低电压的校准曲线（A为深度学习模型，B为随机森林模型）
图3. 预测左房低电压各个模型的决策曲线分析
图4.特征的重要性得分、预测性能及对应的曲线下面积。特征在x轴上表示，左侧y轴表示相应的重要性分数，右侧y轴代表曲线下面积。A为预测左房低电压区，B为预测左房大面积低电压。
图5.人工智能模型预测大面积左房低电压的ROC曲线（A）和模型性能比较（B）
图6.心电图及对应的电压标测图（A为无低电压，B为存在低电压，C为大面积低电压）
文献出处
DOI: 10.1111/jce.16373
同期，JCE杂志发表了一篇针对该研究的述评。述评指出该研究使得持续性房颤患者的个体化消融迈出了一大步。但该研究是在房颤律下行左房电压标测，虽然部分研究表明房颤律双极电压<0.2mV评估左房低电压是可行的，但这并没有被广泛接受，并且房颤律下的电压可能不能代表真正的瘢痕组织。此外，该研究只是证明了存在大面积低电压的病人复发率更高，在未来如果能通过术前心电图使用深度学习模型来预测房颤成功率则是十分有趣的。
综上所述，本研究表明人工智能心电图模型在预测房颤患者存在左房低电压及存在大面积左房低电压都表现出了良好的性能。对于存在左房低电压区的患者，可考虑在传统消融方式基础上行左房低电压区消融；对于存在大面积低电压的患者，房颤消融复发率很高，可考虑行房室节消融+希普系统起搏。
专家简介
刘兴鹏，博士，教授，主任医师，博士生导师。现任哈特瑞姆心血管病医院院长。学术兼职包括：国家卫健委人才交流中心心律失常专家委员会主任委员、国家卫健委脑卒中防治委员会青年委员会副主任委员、中国医师协会心律失常专家委员会常委、中华医学会心电生理和起搏分会委员、中国医促会心律与心电分会常委、北京医学会心电生理和起搏分会副主任委员。担任《International Journal of Heart Rhythm》及《中华心律失常学杂志》等多个心律失常专业期刊编委。主要从事复杂心律失常的诊断和治疗工作，在国内率先开展难治性房颤的心内外科复合手术治疗、难治性室速的体外射波刀治疗等疗法，是我国心律失常领域杰出的专家。曾先后入选“北京市科技新星计划”、教育部“新世纪优秀人才资助计划”、北京市卫生局“215工程”首批学科骨干计划、“新世纪百千万人才工程”北京市级人选、首届“朝阳名医”等多项人才工程。曾先后获得北京青年“五四奖章”、“全国优秀科技工作者”、“北京市五一劳动奖章”、“北京市优秀青年知识分子”、“茅以升北京青年科技奖”等多项荣誉称号。先后主持包括国家自然科学基金（5项）、科技部国际合作项目、教育部新世纪优秀人才计划资助项目及首都医学发展基金项目等国家及省部级课题10余项，并获颁包括国家科技进步二等奖在内的5项学术奖励。以第一作者/通讯作者在国际学术期刊发表SCI论文30余篇。
洪申达，北京大学助理教授、副研究员、博士生导师。2019年博士毕业于北京大学智能科学系。研究方向为医疗时序数据的人工智能算法研究及其在临床和智能可穿戴的应用。以第一或通讯作者在Cell Patterns、The Lancet Digital Health、PNAS、ICLR、ICML、KDD、TPAMI等会议期刊发表论文50余篇，其中CCF-A类文章14篇，被引超过3000次。担任Science合作期刊Health Data Science副编辑、国家药品监督管理局（NMPA）医疗器械技术审评中心外聘专家、中国心律学会（CHRS）心脏人工智能学组副组长、中国计算机学会信息系统专委会执行委员、中国医疗保健国际交流促进会健康数据和数字医学分会委员、中国卫生信息与健康医疗大数据学会慢病防治与管理专业委员会委员等。曾获得PhysioNet Challenge First Place、第五届中国"互联网+"大学生创新创业大赛全国金奖，相关产品已取得医疗器械注册证。
