脑梗死已成为我国人口主要的致死及致残原因, 其中至少15%是由心房颤动(atrial fibrillation, AF)导致的心源性脑梗死^[1]。随着年龄增加, AF的发病率明显增加。抗凝治疗可有效减少60%的脑梗死风险。因此尽早检测出AF、积极合理的抗凝治疗是预防脑梗死再发、改善预后的重要因素。但是, 约半数患者的AF为阵发性且无临床症状^[2-3], 具有不可预测性, 因此AF的检出率仍较低, 短时程记录很难捕捉到, 最有效的方法是延长记录时间, 提高阵发性AF的检出率。国外研究发现应用长程心电监测设备可显著提高脑梗死患者中阵发性AF的检出比例^[4-6]。Yang等^[7]通过应用6天的长程心电监测使合并AF的脑梗死患者比例由16.5%提高到20.9%。因此, 对脑梗死患者的病因筛查, 尤其对病因不明的脑梗死患者, 大于24 h的长程心电监测尤为重要。而基于物联网新技术的发展和非侵入性设备的研发为提高阵发性AF的检出创造了机会。

物联网是互联网的一部分, 定义为基于标准和交互通信协议、具有自配置能力的动态网络^[8]。在物联网内, 具有传感、驱动功能的移动及可穿戴设备能与其他类似设备进行交互和通信^[9]。智慧医疗是将物联网技术、云计算技术、大数据处理技术等应用于医疗领域, 以患者为中心, 利用先进的信息技术改善医疗服务质量及流程的医疗体系^[10]。云计算依托于虚拟化技术, 将所有的系统运算任务分布在大量的服务器及存储构成的云服务平台资源池中, 使各种应用系统能够根据自身的需要来获取所需的系统资源、存储空间及各种信息服务^[11], 云计算超大规模的计算和存储功能使医疗信息共享成为可能。移动医疗是基于物联网的智慧医疗系统的主要应用之一^[12], 泛指通过使用通信技术进行医疗数据非本地共享的系统, 功能涵盖医学急救、监护、诊断、治疗等方面^[13]。数据获取是移动医疗的基础, 智能移动设备及具有无线医疗传感器的可穿戴设备记录和提取数据, 并通过物联网平台实现数据共享及交互, 使患者、家属和医师都可以及时了解患者的健康状况, 以便对病情做出更全面的评估和及时处理。智能手机、手环、平板电脑等智能移动设备在日常生活中的普及, 以及越来越多的可穿戴设备的开发为便携舒适的心电监测提供了极大的便利。物联网正在重新定义我们创建、使用和共享信息的方式。医疗物联网使得智慧医疗得以实现和普及。

非植入式心电监测设备

单导联心电图记录仪  Zio patch是一款由旧金山公司iRhythm开发的防水黏贴性心电图记录仪, 大小类似于创可贴, 可佩戴于胸前, 于2009年获美国FDA批准上市。在一项采用动态心电图监测可疑心律失常的研究^[14]中显示, 佩戴Zio patch 14天优于佩戴传统Holter动态心电监测仪24 h, 在146例患者中, Zio patch检测出96例, 而Holter仅检测出61例(P＜0.001)。除了较高的准确率以外, 其优势还在于佩戴Zio patch的患者可以运动和洗澡, 患者佩戴舒适、易于接受, 而佩戴Holter的患者因胸部导线的束缚而不方便进行运动和洗澡, 因而依从性较差。在一项验证Zio patch的依从性、分析信号时长及诊断率的研究中, 26 751例患者平均佩戴Zio patch的时长为8天, 99%的信号是可进行分析的有效信号, 且随着时间延长, 阵发性AF的检出率明显提高, 说明Zio patch具有良好的患者依从性、适应性及较高的诊断率^[15]。既往预期儿童中阵发性AF的检出率仅有0.3%, 但是在3 209例儿童佩戴14天Zio patch后检出390例心律失常, 检出率高达12%^[16]。另一项佩戴Zio patch检测AF的研究^[17]在1 000例年龄≥65岁的老年患者中发现AF的患病率为6.7%, AF自动识别算法的灵敏度和特异性分别高达98.5%和91.0%。

Rehearse-AF是一项比较间断或常规心电监测在AF检出方面的随机对照研究^[18]。间断监测组使用的设备是手持式心电记录仪AliveCor Kardia记录仪, 其通过连接智能手机将获取的心电数据上传至云端, 由人工及自动算法对数据进行分析。间断监测组要求患者持续1年每周记录2次心电数据并上传至云端。研究共纳入1 001例患者(间断监测组500例, 常规监测组501例), 平均年龄为(73±5)岁, 结果发现间断监测组有19例而常规监测组仅有5例诊断为AF(P=0.007), 且大部分的间断监测组的患者表示该设备方便使用、不影响日常活动也不增加紧张焦虑。

国内也有类似的心电记录设备。“掌上心电”是一款已取得CFDA注册证的专业可穿戴心电记录仪^[19]。其采用的是单导心电图监测, 由ECG采集器与用户端APP构成。有贴片式、手持式、卡片式等多种采集器, 使用者通过蓝牙或导线直接连接的方式把采集器与安装了用户端APP的智能硬件相连(智能手机、平板电脑、智能电视), 记录实时心律情况, 生成心电图; 再通过APP把生成的心电图传送给“掌上心电”的管理端后, 不但可以得到自动数据分析后简单的心电监测诊断, 还可以实时传送给相关医师, 得到第一手来自于医师的诊断与建议。范平等^[19]对50例门诊患者完善常规心电图检查, 并配备“掌上心电”E-U08心电记录仪在院外实时监测患者的心电图, 分析发现“掌上心电”E-U08心电记录仪的异常心电图检出率显著高于常规12导联心电图(76% vs.20%), 同时“掌上心电”E-U08心电记录仪的心律失常心电图(包括AF)检出率显著高于常规12导联心电图(48% vs.12%), 结果表明“掌上心电”E-U08心电记录仪有助于提高心律失常的检出率。蔡铖等^[20]则用动态心电图和“掌上心电”E-U08/E-A08心电记录仪对52例经导管射频消融治疗的AF患者进行1年的随访, 结果表明动态心电图和掌上心电所诊断的房颤射频消融术后房性心律失常发生率分别为20.4%和46.3%, 差异有统计学意义(P=0.004)。动态心电图对房性心律失常事件检测的灵敏度为37.9%, 准确度为66.7%, 阴性预测值为58.1%;而掌上心电对房性心律失常事件检测的灵敏度为86.2%, 准确度为92.6%, 阴性预测值为86.2%, 均高于动态心电图。通过调查问卷询问患者使用体验表明掌上心电具有较高的性价比及依从性。用掌上心电筛查AF的“全国高血压房颤筛查大型项目”正在进行中, 结果值得期待。掌上心电在脑梗死患者AF筛查中的应用也值得进一步探索。

MyDiagnostick也是一种心电记录仪, 其形如棒状, 两端有金属手柄的记录电极。在一项191例受试者参与的研究中, 用MyDiagnostick记录并自动分析识别AF的灵敏度为94%(95%CI:87%~98%), 特异性为93%(95%CI:85%~97%)^[21]。

基于光电容积脉搏波描记技术的设备  大多数腕戴式可穿戴设备都依赖于光学体积描记术(photoplethysmography, PPG)来估计心率和心律。PPG是一种光学技术, 可检测皮肤表面下组织毛细血管床的血容量变化^[22]。PPG波形包含脉搏波形, 可能被运动伪影破坏并受到皮肤特征的影响, 有待通过结合加速度计和光谱分析来克服。

三星开发的Simband包括单通道ECG(内置左右手电极)、多波长PPG和三轴加速度计, 同时以128 Hz记录数据。一项研究记录了来自46例受试者的动态搏动和运动数据^[23], 其中15例患有AF, 对PPG波形进行脉冲检测, 并根据逐搏变化和波形信号质量提取11个数据特征, 使用10倍交叉验证, 获得用于识别AF的优异测试特征, 其识别准确率达到95%(灵敏度97%, 特异性94%)。

2017年, 在Heart Rhythm上发表, Apple watch 3通过使用基于PPG传感器的深度神经网络检测AF。该研究纳入6 148例Applewatch用户, 将来自这些参与者的数据(包括1.39亿心率测量值和6 338份ECG记录)用于训练神经网络以自动识别AF, 并在51例接受心脏复律的患者中进行了验证。每位患者在复律前和复律后分别佩戴Apple Watch 20 min, 采用12导联心电图作为参考标准, 其识别AF的灵敏度为98%, 特异性为90%。

为了提高PPG信号分析的准确性, 越来越多的研究通过改进算法的智能手机应用程序, 使基于PPG信号分析的医疗级智能手机应用程序在AF的筛查中起到更多的作用。前瞻性、双中心的DETECTAF-PRO研究^[24]招募了瑞士和德国两所大学医院的窦性心律及AF患者共592例(344例窦性心律, 248例AF), 使用智能手机相机在每个患者食指指尖上进行PPG记录, 使用自动算法分析PPG记录, 并与通过AliveCor Kardia记录仪获得的网络心电图(internet-enabled electrocardiography, iECG)结果进行比较, 基于5 min的PPG记录算法分析检测到AF的灵敏度和特异性分别为91.5%和99.6%。

通过设计能够分析识别面部PPG信号的智能手机应用程序能更加便捷地筛查AF。Yan等^[25]分别记录217例患者的面部和指尖PPG信号, 同时完成常规12导联心电图, 其中34.6%的患者用常规心电图检出AF, 面部PPG应用也表现出较高灵敏度(95%)和特异性(96%)。面部PPG应用的阳性和阴性预测值分别为92%和97%。这种非接触式面部PPG记录方法的便利性对于社区AF筛查具有吸引力, 并且可能有助于远程AF筛查。

基于加速度计和陀螺仪的设备  不同于常规的PPG技术, 另有研究通过心脏振动描记技术, 利用智能手机的加速度计和陀螺仪设备来检测AF^[26]。该研究将智能手机放在仰卧位的患者胸部, 惯性测量单元可记录患者胸部微小的心源性活动, 而陀螺仪可以增强心脏信号的信息。Lahdenoja等^[26]提出信号预处理、特征提取、功能分析和预想的AF分类结果。在小规模的测试中, 16例AF患者和23例正常人接受测试, 均由配备谷歌Android操作系统的智能手机获取记录, 该方法检测AF的准确率为97.4%(灵敏度93.8%, 特异性100%)。

基于脉冲式无线电超宽带雷达技术的设备  脉冲式无线电超宽带雷达技术(impulse-radio ultra-wideband radar, IR-UWB)也被尝试用于心脏搏动监测以识别心律失常^[27]。此技术为通过在电磁波谱中发射无线电波段并从物体接收被反射的波, 雷达系统检测物体的运动并高精度地跟踪运动物体。由于带宽宽, UWB系统可以具有很多优点, 包括高分辨率、多径抗性、良好的穿透力和简单的硬件结构以及非接触。Lee等^[27]对6例健康志愿者及16例既往明确有AF的患者同时用UWB系统及常规心电图进行监测, 数据表明对健康志愿者及房颤患者而言, UWB系统记录的心率和R-R间期与常规心电图记录的数据均保持高度一致性, UWB系统可以准确识别出AF。虽然该技术尚在研究中, 但诸多的优点使其未来的发展值得期待。

可穿戴智能服装  除去智能手表、手环外, 嵌入传感器的智能服装也逐渐成为无线心电监测的研究热点, 包括智能T恤^[28]、智能背心^[29]、智能腰带^[30]等不同形式的智能服装。其难点在于保证更长的续航能力及在服装反复清洗过程中保持电极干燥, 如何保证数据质量及安全性也值得进一步研究。

植入式心电监测设备  植入式心电监测设备主要包括植入式循环记录仪(implantable loop recorder, ILR)和植入式心脏监测仪(implantable cardiac monitor, ICM)。Sanna等^[5]将441例隐源性脑梗死患者随机分为长程ICM组及常规随访组:在6个月的随访中, ICM组中8.9%的患者检测出AF; 而常规随访组中仅有1.4%的患者检出AF (RR=6.4, 95%CI:1.9~21.7, P＜0.001)。随着随访时间延长, 在3年的随访时, ICM组累计AF检出率高达30%, 而常规随访组AF检出率仅为3%^[31]。在SURPRISE研究^[32]中, 85例隐源性脑梗死患者植入ILR, 平均监测569天, 其中16.1%的患者检出阵发性AF。一项比较不同心电监测方式在短暂性脑缺血发作患者中筛查AF的Meta分析^[33]表明:相较于非植入式设备, 植入式设备有更高的AF检出率和显著优势。然而, 由于植入式设备的有创性且价格昂贵, 目前仅用于临床研究, 大范围推广较为困难。

结语  随着人口老龄化的加剧, AF正在成为日益严重的医疗保健问题。研究证实房颤可导致脑梗死, 而有效的抗凝治疗, 特别是不需要监测的新型抗凝药, 为有风险的或已患AF的人群提供了新的希望。AF患病率和发病率增加以及新技术的应用都使得开发具有成本效益的AF检测和监测手段迫在眉睫。基于物联网新技术的发展和非侵入性设备的研发为便捷检测AF、提高阵发性AF的检出率提供可广阔前景。在追求良好的可接受性和可操作性的同时, 需要进一步提高心电数据的质量、提升自动识别算法的准确度及保证数据存储的安全性。期待这些新技术可以在AF的检出和心源性脑梗死的预防中作出更大的贡献。