能检测心房纤颤的智能手表健康应用足够智能吗?
在患者中扩展心脏监测和使用植入式心血管电子设备可以增加心房颤动(AF)的检测，但该设备有限制，包括电池寿命短和缺乏即时反馈。能够记录心电图并进行自动诊断的新型智能手机工具能否克服这些限制，促进及时诊断?
迄今为止最大的研究，在加拿大心脏病学杂志他发现，在心电图异常的患者中使用这些设备具有挑战性。更好的算法,机器学习可能有助于这些工具提供更准确的诊断，研究人员说。
法国波尔多大学医院LIRYC研究所的首席研究员Marc Strik博士解释说:“早期的研究已经在少数具有相似临床特征的患者中验证了Apple Watch诊断房颤的准确性。”“我们测试了Apple Watch心电图应用程序在同时存在多种心电图异常的患者中检测房颤的准确性。”
该研究包括734名连续住院患者。每位患者都进行了12导联心电图检查，随后立即用Apple Watch记录30秒的数据。的smartwatch的自动单导联心电图房颤检测被分为“无心房纤颤迹象”、“心房纤颤”或“不确定读数”。智能手表的记录被交给电生理学家，他进行盲法解读，为每一个追踪者指定一个诊断为“房颤”、“房颤没有”或“诊断不清”。另一位盲的电生理学家解释了100个随机选择的痕迹，以确定观察者同意的程度。
在大约五分之一的患者中，智能手表心电图未能自动诊断。房颤自动检出假阳性的风险对于房颤和室性早搏(PACs/PVCs)、窦房结功能障碍和二度或三度房室传导阻滞的患者更高。对于房颤患者，心室传导异常(室间传导延迟)或心律由植入起搏器控制的患者出现假阴性示踪(漏诊房颤)的风险更高。
心脏电生理学家对房颤和非房颤的区分有很高的一致性。的智能手机应用正确识别了78%的房颤患者和81%的非房颤患者。电生理学家识别了97%的房颤患者和89%的非房颤患者。
有室性早搏的患者有三倍的可能性假阳性通过智能手表心电图诊断房颤，对房性心动过速(AT)和心房扑动(AFL)患者的识别能力很差。
“这些观察结果并不令人惊讶，因为智能手表的自动检测算法完全基于周期的可变性，”斯特里克博士指出。他解释说，室性早搏会导致周期长短不一，从而增加周期的可变性。理想情况下，一种算法可以更好地区分室性早搏和房颤。任何局限于分析周期变异性的算法在检测AT/AFL时精度都很差。机器学习方法可以提高智能手表对这些患者的房颤检测精度。”
在一篇相关的社论中，Andrés F.米兰达-阿尔博雷达医学博士和Adrian Baranchuk医学博士，来自加拿大金斯顿健康科学中心心脏病科，观察到这是第一个“真实世界”的研究，专注于使用Apple Watch作为房颤诊断工具。
“这是非常重要的，因为它让我们了解到Apple Watch在诊断房颤时的性能受到潜在心电图异常的显著影响。在某种程度上，用于检测心血管疾病患者房颤的智能手表算法还不够智能。但它们可能很快就会变好，”米兰达-阿博莱达和巴兰彻克说。
斯特里克博士说:“随着智能手表在医学上的应用越来越多，了解哪些医疗状况和心电图异常可能影响和改变智能手表对房颤的检测，以便优化对患者的护理，这一点很重要。”“智能手表检测房颤有很大的潜力，但在已有心脏疾病的患者中更具有挑战性。”
