- 醫療健康人工智能應用案例集
- 張學高 胡建平
- 2466字
- 2021-12-17 23:13:46
（六）心電AI智能輔助診斷在區域心電診斷監測平臺中的應用與實踐
應用單位：南京市衛生信息中心
涉及科室：心功能室、心內科
疾病種類：心血管疾病
案例簡介：為了實現區域內心電檢查數據集中管理、臨床共享與互認，整合區域內優質醫療資源，為全市各級機構提供高效、高質量的遠程診斷服務，南京市區域心電診斷監測平臺自2016年6月底開始建設，依托江蘇省人民醫院作為主業務中心，完成省人民醫院集團、南京醫科大學第二附屬醫院、南京市兒童醫院、南京市中醫院、馬鞍山市立醫療集團、鎮江、揚州等地醫療機構的對接，并向下接入玄武、雨花臺、棲霞、江寧、浦口、溧水、高淳、六合、江北新區等區域的心電診斷系統，在市、區兩級平臺的架構下，形成了“基層社區衛生服務中心-區平臺（醫院） -三級醫院”的分級診療服務模式。2018年起，為提升南京區域心電診斷監測水平，南京市衛生信息中心將心電AI智能輔助診斷功能納入區域心電診斷監測平臺中落地應用。
1.案例背景
心電圖是分析和鑒別各種心血管疾病最常用和最精確的無創手段。但很多心臟病是偶發的，尤其前期表現心律失常，很多是偶爾感覺不舒服，去醫院檢查時又是正常的，如在晚期出現胸悶甚至暈厥才去醫院就診，很可能錯過最佳診斷時間。因此患者的心電長程監測格外重要。
由于心電信號本身的復雜性和變異性，傳統心電圖機器分析技術存在一定局限性，無法真正做到自動、快速、準確分析，必須依靠專業醫生進行分析，而大部分醫療機構，特別是基層醫院，專業心電圖醫師資源匱乏，對廣大基層心血管疾病患者獲得及時、準確的診斷和防控治療造成影響。
具體心電圖檢查痛點主要為，心電圖醫生資源較少，長程監控數據中的異常點出現不規則，醫生人工解讀費時費力。心電圖機器分析算法存在不足，在引入深度學習技術之前，使用現有算法準確率長期在70%左右。單導聯產品沒加載“人工智能算法”，都是通過醫生進行診斷預警，無法保證診斷的時效性和準確性，用戶體驗不佳。
針對上述問題，利用人工智能與醫療系統融合，研發心電AI診斷模型，以人工智能突破心電技術瓶頸的重要性逐漸凸顯。不但可提供準確的自動診斷信息，也可以對患者長程心電預警、診斷。心電分析算法的發展經過了幾個階段：2000年以前，醫師主要依靠波形特征進行檢測，如峰值高度、波峰間期等。之后研究者在依靠波形特征檢測的基礎上加入了時頻、小波、高階統計量等因子。2006年后，隨著神經網絡和深度神經網絡的發展，心電分析算法再次進入了大眾視野。
2.案例亮點
將心電大數據、機器學習、人工智能應用于醫療系統，研發心電AI診斷模型，以人工智能改變傳統心電圖分析技術的局限性。研發的心電AI輔助診斷系統需提供自動診斷信息，滿足臨床輔助診斷準確性要求，同時可實現對心電長程監測的預警診斷（圖3-15）。
圖3-15 案例亮點
通過FTP文件傳輸、數據拷貝、數據接口的方式獲取平臺歷史靜態心電圖的數據，數據信息需包含心電數據（需讀取心電平臺采集的30秒原始數據）、采樣頻率、患者年齡、性別、臨床診斷、心電診斷等。將獲取到的心電數據進行預處理，去除噪聲并篩選目標異常分類，將預處理后的數據上傳到云存儲，通過隨機方式分配給多位心電專家醫師來對數據進行二次標注，得到高精度數據，為后期進行模型開發和訓練使用。
進行數據訓練，將處理過的數據劃分為訓練集、驗證集和測試集，基于Densenet和RNN的神經網絡，用深度學習技術訓練心電AI診斷模型。在臨床進行模型驗證，利用劃分的驗證集對訓練獲得的模型進行評估，并與專家醫師的結果進行比對計算模型準確率，并進一步在心電平臺隨機挑選臨床心電圖進行比對，根據比對結果迭代改進模型。開展模型試運行，根據院內網絡現狀和醫院信息部門的要求，進行心電AI輔助診斷系統的部署工作，以滿足院內外計劃的應用場景的需求。
目前采集心電數據總量約200萬份，格式包括HL7和PDF，并經過歸一化處理。經過專家標注的心電圖數據，近60萬份，數據分布在138個分類，經過統計研究發現，主要集中在18個常見分類，經過篩選合并，確定18個分類要用深度學習模型進行自動診斷，其他分類使用傳統特征識別和機器學習算法進行（圖3-16）。
目前研發的心電AI診斷模型，可以進行心電臨床數據的二分類、四分類、九分類及十八分類評估，診斷模型應用效果在正常/房顫模型整體準確率99.15%，正常/節律/波形/節律+波形4分類模型整體準確率接近95%，十八分類模型整體準確率95%。
圖3-17為用心電AI輔助診斷系統對2萬份患者心電數據進行自動診斷的臨床驗證結果：
圖3-16 案例亮點
圖3-17 案例亮點
3.應用成效
江蘇省人民醫院作為區域心電主業務中心，醫院內部署心電AI輔助診斷系統，心功能室利用系統對全院心電數據進行統一管理、統一診斷。據統計，醫院門急診、病區及體檢中心日心電檢查量在500例以上，其中體檢中心80%以上心電檢查人群都為正常，門急診、病區心電檢查50%以上患者為正常。靠傳統心電機器算法分析及人工診斷需耗費大量時間，應用AI輔助診斷系統在大量的心電診斷業務中自動篩選出正常心電圖，將異常數據的推送給心電圖診斷醫生進行診斷，提高科室心電業務診斷效率，將心電圖專家從基礎工作業務中解放。科室在不增加人員結構基礎上滿足全院乃至醫聯體醫院的心電圖診斷業務。
同時AI心電輔助診斷還可在以下三個方面助力臨床心電診斷：在臨床監護方面，心電AI輔助診斷系統可幫助醫生減輕負擔，減少他們關注的壓力，提高醫生的工作效率。在異常定位方面，克服了動態心電檢查患者預約時間長、動態心電報告醫生少等困難，通過人工智能技術幫助醫生診斷時快速定位、發現異常。在風險預測方面，對于術后、慢性病患者可以通過家庭設備監測心電變化，通過心電AI賦能慢性病管理平臺中的心電診斷業務，可以讓患者在家中獲得及時、準確地診斷和預警救治。
4.專家點評
南京市衛生信息中心主任殷偉東點評：“心電AI智能輔助在區域中不僅可以提升三級醫療機構院內心電管理效率，還可以大大提高區域內醫聯體醫院心電輔助診斷水平。同時心電AI診斷在居民自我健康管理中還將有廣泛的應用。對于慢性病患者、術后隨訪患者居家長程監測的心電數據，心電AI輔助診斷系統可輔助患者的家庭醫生分析，解決分析難點為患者提供及時準確診斷和預警救治?！?