沈仲元

人工智能(artificial intelligence,AI)是研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法、技術(shù)及應用系統(tǒng)的一門新的技術(shù)科學。AI 領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。AI 自誕生以來,理論和技術(shù)日益成熟,成為當前科技創(chuàng)新最主要的領(lǐng)域之一。AI 也可以說是計算機科學的一個分支,使機器和計算機系統(tǒng)模仿人類智力處理問題,其核心分支包括機器學習、深度學習等。機器學習的算法具體包括人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等［1］。AI 的要件——算法、算力、數(shù)據(jù)庫,被譽為AI 的三大基石。在AI 領(lǐng)域,“算法”是根、“智能”是殼,如果沒有“算法”,“智能”就像傳說,沒有靈魂;云計算是算力,目前大量的服務器并行運算幾乎可以提供無限的計算力;數(shù)據(jù)庫可以是線下的服務器,也可以是云存儲,用來儲存幾乎無限量的數(shù)據(jù)信息。關(guān)于這方面眾論繁多,不在此敘。

心電圖分析是AI 自動分析運用最早和最成功的領(lǐng)域之一［2］。隨著計算機、電子技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,心電記錄設(shè)備的制造技術(shù)也在飛速發(fā)展,對心電圖自動分析的要求不斷提高;這方面的工作也取得了很大進展,但還不能滿足心血管臨床和國家全民健康管理的需求。下面就常規(guī)心電圖、動態(tài)心電圖、可穿戴式長時程記錄心電圖和心電散點圖在AI 自動分析方面的應用需求和問題提出一些看法。

1 常規(guī)心電圖的人工智能自動分析

心電圖機發(fā)明至今已有100 多年的歷史,其間國際上對心電圖機設(shè)備本身、操作、導聯(lián)體系和診斷早已實現(xiàn)標準化,除了部分疑難心電圖需要人工鑒別外,歐美、日本和中國生產(chǎn)的心電圖機的自動分析診斷功能已基本能夠滿足臨床的大部分需要。針對基層和偏遠地區(qū)專業(yè)技術(shù)人員缺乏的問題,遠程心電網(wǎng)絡(luò)技術(shù)也很成熟［3］,只是在推廣和資金投入方面仍存在問題。

常規(guī)心電圖數(shù)據(jù)庫一般都比較容易建立,國內(nèi)很多三甲醫(yī)院都可以輕而易舉地擁有數(shù)百萬病例,從而建立起數(shù)據(jù)庫,并且國內(nèi)也有相應的小型心電圖數(shù)據(jù)庫［4］。但如果要從國家健康戰(zhàn)略層面或心血管學科專業(yè)建設(shè)的角度考量,建構(gòu)心電圖數(shù)據(jù)庫的大平臺無疑是一個大型工程,還需要更多方面的組織和協(xié)調(diào)才能完成［5］。

對于已積累的大量數(shù)據(jù)和分布在各個醫(yī)療機構(gòu)的小型心電圖數(shù)據(jù)庫,僅需幾臺計算機就能滿足算力要求。單份常規(guī)心電圖的數(shù)據(jù)量小、圖形質(zhì)量穩(wěn)定,數(shù)據(jù)庫內(nèi)的常規(guī)心電圖數(shù)量龐大。針對這些特點,AI自動分析算法還有許多重要工作可做。圖像識別是AI 應用最廣泛和最成功的領(lǐng)域之一。在心電圖形方面,ST 段抬高型急性心肌梗死以單體波形為主要特點,可以把波形轉(zhuǎn)換成像素圖形并結(jié)合曲線(如頻譜),用AI 機器學習方法進行大量數(shù)據(jù)訓練,建立預警算法模型。在心律失常研究方面,心電圖是連續(xù)性矢量變化曲線,可以用AI 深度學習的人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等多層非線性運算模型,通過自學習找到有效的特征來建立房顫、心房撲動、室速、完全性房室阻滯等惡性心律失常的預警算法模型。其中,最有價值的是可以充分利用常規(guī)心電圖數(shù)量大且圖形質(zhì)量穩(wěn)定的特點,進行AI 的監(jiān)督式學習與無監(jiān)督學習和訓練,為動態(tài)心電圖和長時程心電圖提供特定的算法模式、類別及特征。這方面的工作盡管已做了不少,但是由于這類算法大多不是開源的,因此成果也很少被真正推廣使用。

2 動態(tài)心電圖的人工智能自動分析

24 h 動態(tài)心電圖已廣泛應用了60 多年。它可以在24 h 內(nèi)連續(xù)記錄多達10 萬次的心電信號,明顯提高了非持續(xù)性心律失常及短暫性心肌缺血發(fā)作的檢出率,是一般醫(yī)療機構(gòu)的心電圖室和心血管科室的常規(guī)檢查項目［6］。盡管動態(tài)心電圖檢查具有方便、及時的優(yōu)勢,但其仍遠遠不能滿足患者的需求。而優(yōu)秀的AI 算法對減輕心電技術(shù)人員的工作負擔、提高分析效率和準確性有極大的幫助。另外,因農(nóng)村和偏遠地區(qū)的衛(wèi)生中心缺乏檢查設(shè)備或?qū)I(yè)技術(shù)人員,開展動態(tài)心電圖檢查困難重重。遠程動態(tài)心電中心在云上通過AI 自動分析數(shù)據(jù)產(chǎn)生結(jié)果,再由中心專業(yè)人員對結(jié)果進行修正后出具診斷報告,返回基層醫(yī)療機構(gòu),形成心電診斷的高質(zhì)量閉環(huán)。這也是遠程心電和健康管理的重要內(nèi)容。

動態(tài)心電圖數(shù)據(jù)庫目前主要有三種用途:①為一般動態(tài)心電分析軟件的設(shè)計提供檢驗模板;②用于訓練算法,開發(fā)更優(yōu)秀的分析軟件;③服務遠程心電中心診療和健康管理的需要。除了要求數(shù)量龐大以外,動態(tài)心電圖數(shù)據(jù)庫中的數(shù)據(jù)還必須有標準化的格式和存儲路徑,以便于管理和算法軟件的開發(fā),最好還要具有權(quán)威性、公共性和開放性;有些數(shù)據(jù)作為檢驗標準還需要有正確的標注,如美國心臟協(xié)會(AHA)和 麻省理工學院(MIT)的動態(tài)心電數(shù)據(jù)庫。動態(tài)心電數(shù)據(jù)是長時段、多通道的矢量曲線信號,檢測時間長,數(shù)據(jù)量隨采樣頻率和分辨率的提高呈幾何級的增長。由于醫(yī)用電子技術(shù)發(fā)展階段的不同,國內(nèi)外動態(tài)心電圖機生產(chǎn)廠商的設(shè)備標準和數(shù)據(jù)結(jié)構(gòu)表達也不同。雖然國內(nèi)大醫(yī)院保存的動態(tài)心電數(shù)據(jù)量已非常龐大,但仍未形成大數(shù)據(jù)庫［5］。要建立動態(tài)心電公共數(shù)據(jù)庫平臺,不僅需要制定公認的標準數(shù)據(jù)和格式,而且還要把各種格式的動態(tài)心電數(shù)據(jù)轉(zhuǎn)換成標準格式。這就需要各醫(yī)療機構(gòu)開放數(shù)據(jù),也需要各廠商開放各自的數(shù)據(jù)格式,還需要醫(yī)療機構(gòu)、醫(yī)療學術(shù)部門通力協(xié)作才有可能完成。

目前,性能較好的計算機都能滿足一般醫(yī)療機構(gòu)分析數(shù)據(jù)的算力要求。如果遠程動態(tài)心電中心和分布式終端模式需要云端并行計算,那么就要采用服務器方式,并根據(jù)終端的數(shù)量和數(shù)據(jù)的流量決定服務器的數(shù)量,以滿足算力的要求。目前,許多廠商生產(chǎn)的動態(tài)心電圖記錄儀都采用自動分析加模板和人工干預的方式,能基本滿足一般臨床需要。但即便以AHA 和MIT 數(shù)據(jù)庫的數(shù)據(jù)標準標識為基準,自動分析結(jié)果的準確符合率達到99.5%以上,但在實際應用中卻仍不盡如人意。針對數(shù)據(jù)庫單獨不變的兩個導聯(lián)短時程(30 min)典型數(shù)據(jù)進行算法設(shè)計,不能完全適應不同人群及在不同狀態(tài)下動態(tài)心電的不同特點。這就需要更復雜的算法設(shè)計,才可能滿足醫(yī)療機構(gòu)、遠程心電平臺和健康管理的動態(tài)心電自動分析需求。

動態(tài)心電圖主要是回顧性的、靜態(tài)的、連續(xù)記錄24 h 的心電數(shù)據(jù)。利用機器學習的監(jiān)督或無監(jiān)督、強化、靜態(tài)或動態(tài)等各類算法進行模型訓練和自動識別歸類,再從大量個體中提取和總結(jié),能夠研發(fā)出優(yōu)秀的動態(tài)心電AI 分析軟件,以滿足遠程心電和健康管理的動態(tài)心電自動分析需求。目前國內(nèi)外動態(tài)心電分析算法的相關(guān)論文和報道很少有開源的,無法共享;商業(yè)行為又涉及資金投入、知識產(chǎn)權(quán)、商業(yè)模式等問題。所以,要產(chǎn)生基于大數(shù)據(jù)的動態(tài)心電AI 自動分析算法,除了數(shù)據(jù)庫和算法要具有權(quán)威性以外,還要能共享、能開放、能移植。這同樣有賴于醫(yī)療機構(gòu)、醫(yī)療學術(shù)部門和行政部門、科技公司的通力協(xié)作。

3 可穿戴式長時程記錄心電圖的人工智能自動分析

隨著互聯(lián)網(wǎng)、移動網(wǎng)絡(luò)和電子技術(shù)的飛速發(fā)展,可穿戴式長時程心電記錄設(shè)備已然興起。長時程貼片式心電記錄設(shè)備采用了近幾年國際和國內(nèi)開發(fā)的一種無導線遠程心電新技術(shù),只要將這種重量很輕的微型心電圖記錄裝置貼在人體胸部皮膚上,就可以記錄數(shù)天甚至更長時間的心電圖信息,并可隨時通過遠程信息技術(shù),將采集和儲存的心電信息發(fā)送到指定的心電信息分析中心［7］。長時程貼片式心電圖記錄設(shè)備使用方便、心電信息量龐大,是動態(tài)心電圖機的有力競爭者［8］。該技術(shù)已在發(fā)達國家廣泛應用,并受到各類資本的追捧。長時程貼片式心電設(shè)備無論是產(chǎn)品本身的價格,還是使用價格都已開始具有明顯競爭力,甚至被認為將與家庭電子血壓計、血糖測試儀共同成為家庭或個人的保健產(chǎn)品。該產(chǎn)品具有以下明顯優(yōu)勢:①操作簡單,操作人員無須接受系統(tǒng)化培訓;②能有效捕捉嚴重危害人體健康的陣發(fā)性短陣心律失常,如房顫、惡性室性搏動等;③臨床上可對心臟射頻消融和支架安裝等手術(shù)后的心血管事件進行跟蹤、對特殊疾病藥物治療后的效果進行跟蹤觀察與反饋;④解決了目前國內(nèi)基層醫(yī)療機構(gòu),包括鄉(xiāng)村和偏遠地區(qū)醫(yī)療機構(gòu)缺乏動態(tài)心電設(shè)備,尤其缺乏專業(yè)技術(shù)人員的問題;⑤適應老齡化健康管理的需要;⑥適用于運動醫(yī)學、特殊工種人員體檢、健康體檢、旅行風險監(jiān)測等其他領(lǐng)域。

可穿戴式長時程心電監(jiān)測設(shè)備是心電領(lǐng)域的重要創(chuàng)新科技成果,具有發(fā)展快、應用廣、數(shù)據(jù)量大、實時性強的特點。但它的AI 自動分析算法還在起步階段,遠沒有跟上發(fā)展的需要,今后在這方面仍有大量工作要做。

由于這類監(jiān)測設(shè)備往往是建立在互聯(lián)網(wǎng)和移動網(wǎng)絡(luò)基礎(chǔ)上的,因此需要采用瀏覽器模式和平臺,構(gòu)建云端服務器和數(shù)據(jù)庫,并與分布式遠程心電中心的數(shù)據(jù)和數(shù)據(jù)庫管理模式相結(jié)合,采用客戶端B/S 數(shù)據(jù)流模式。隨著用戶端的增多,算力要求相應提高,需要多個服務器并行運算。界面、架構(gòu)、運算程序等需要由不同的軟件工程師編寫,這有賴于信息技術(shù)行業(yè)的專業(yè)人員和技術(shù)公司才能完成。對于云端各種服務器的維護和管理,醫(yī)療機構(gòu)通常很難單獨承擔,需要借助于社會和企業(yè)資源的支持。在可穿戴式長時程心電監(jiān)測設(shè)備的實際應用中,除了數(shù)據(jù)結(jié)構(gòu)標準化以外,還涉及數(shù)據(jù)的隱私權(quán)和所有權(quán)等其他很多問題;如果采用移動通信網(wǎng)絡(luò),還涉及國家的規(guī)范和政策、安全要求、法律邊界等問題。為了順應技術(shù)發(fā)展趨勢、滿足醫(yī)療健康需求,不少醫(yī)療機構(gòu)、行政機構(gòu)及科技公司正在該領(lǐng)域密切合作,在技術(shù)應用、運行模式等方面努力探索。

可穿戴式長時程心電監(jiān)測設(shè)備應用中最突出的是算法問題。心電信息的長時程和信息質(zhì)量的不穩(wěn)定對AI 算法提出了更高要求。這主要表現(xiàn)為以下方面:①人體心臟位置和電極安放部位的差異引起心電電壓低,體位變化引起心電圖形態(tài)變化;②連續(xù)數(shù)天的長時程監(jiān)測對電極片的性能和如何減少偽跡提出了更高要求;③采用移動通信作為數(shù)據(jù)傳輸方法,信號發(fā)送和接收的過程會對心電信號的質(zhì)量和連續(xù)性產(chǎn)生明顯的影響;④最常見的長程單導聯(lián)記錄設(shè)備無其他導聯(lián)供分析參考;⑤運算量大、實時性要求高(有時需要提供實時的動態(tài)心電分析報告)。

影像、檢驗等其他醫(yī)療信息基本上屬于靜態(tài)像素數(shù)據(jù),而心電信號是矢量信號,記錄時間長且數(shù)據(jù)動態(tài)變化大、維度多、隨機偽跡多,加之可獲得的開源資源極少,這些因素增加了長時程單導聯(lián)心電信號AI算法的開發(fā)難度。心電信息的AI 算法研究需要醫(yī)學、生物醫(yī)學工程、數(shù)學、計算機科學等多學科的合作,尤其是當前計算機技術(shù)和AI 技術(shù)發(fā)展日新月異,派生的各種細分算法層出不窮,而這些算法的正確性、可讀性和有效性仍有待臨床檢驗。

4 心電散點圖人工智能自動分析

心電散點圖是分析長時程心電圖的有力工具,尤其是對心律失常的快速和準確診斷起了很重要的作用。散點圖的形態(tài)特點描述往往是由心電生理和心電圖形特征相互印證、經(jīng)推演過程之后產(chǎn)生的,如室早和室內(nèi)差異性傳導的鑒別診斷,室性并行心律、房顫伴雙徑路等復雜心律失常的識別等［9］。今后,散點圖的應用也將對更多復雜心律失常的診斷發(fā)揮不可忽視的作用［10］。

心電散點圖AI 分析有如下3 個特點:①只需一定長度的連續(xù)記錄心電圖就能進行散點圖分析,而無須顧及心電設(shè)備的各種參數(shù)指標和導聯(lián)連接方法。②散點圖目前已形成比較一致的表達方法和格式,只要通過已被正確識別和標注的RR 間期及統(tǒng)一的表達格式文件,就可以便捷地實現(xiàn)不同主體之間的數(shù)據(jù)交換、算法共享、結(jié)果共享,而無須強大的算力或龐大復雜的數(shù)據(jù)庫管理系統(tǒng)的支持。③散點圖本質(zhì)上是由連續(xù)數(shù)據(jù)轉(zhuǎn)換成的圖像模式,而圖像識別是目前AI 識別的強項。通過專業(yè)人員編寫AI 程序進行學習檢驗,不同類型心律失常的散點圖特點可以隨著數(shù)據(jù)量的累加而不斷顯現(xiàn),算法得以持續(xù)完善,散點圖的特征類型與心電診斷不斷契合,從而使散點圖診斷的準確性、易行性和快速性更為凸顯。然而,散點圖在臨床應用中也存在缺陷,例如,在相同頻率的窄QRS 節(jié)律中,其無法區(qū)分心律失常的性質(zhì),對心肌缺血的診斷幫助不大。

5 結(jié)語

對于常規(guī)心電圖、動態(tài)心電圖、長時程心電圖和心電散點圖等心電數(shù)據(jù)的AI 自動分析,是心電學界跟進AI 和大數(shù)據(jù)時代,開展科學探索和不斷解決心電臨床應用及健康管理問題的時代要求。目前,在心電AI 自動分析數(shù)據(jù)庫建設(shè)中存在的主要問題如下:①算法誰來做? 生物醫(yī)學工程技術(shù)交叉學科人員與醫(yī)療專業(yè)人員的知識分離,需要進一步加以整合、協(xié)作與磨合。②數(shù)據(jù)庫誰來建? 作為一個學科建立的數(shù)據(jù)庫大平臺,要有統(tǒng)一的數(shù)據(jù)格式和標準,真正做到可開放、可升級、可維護,同時,也要明確數(shù)據(jù)使用權(quán)和開放權(quán)、個人隱私信息保護界限等關(guān)鍵性問題。③成果歸誰? 心電AI 算法的編寫、云端算力和數(shù)據(jù)庫平臺的建立,可以是醫(yī)療或行政機構(gòu)的公益行為,也可以是科技公司或資本介入的商業(yè)行為。知識產(chǎn)權(quán)的歸屬是需要探索和解決的重要問題。④法律法規(guī)問題?；ヂ?lián)網(wǎng)和移動網(wǎng)絡(luò)公共平臺在進行心電信號傳輸記錄過程中有不可控的、難以預測的風險,需要借助法規(guī)加以明確;心電設(shè)備自動分析診斷的檢測、監(jiān)測、監(jiān)護功能概念需要界定清晰;健康管理和醫(yī)療診斷解讀的界限、法規(guī)和政策邊界需要完善等。

要有效解決心電AI 算法的研發(fā)及心電自動分析推廣中面臨的諸多難題,不僅需要業(yè)內(nèi)專家凝聚共識,而且需要相應的政府部門和醫(yī)療機構(gòu)主導,也需要科技公司介入、心電專業(yè)機構(gòu)組織協(xié)作等?？上驳氖?這些問題已經(jīng)引起了心電學界的重視,也有越來越多的部門和科技公司參加進來,取得了很多的經(jīng)驗。全國政協(xié)委員、中國科學院院士葛均波在今年3月召開的全國政協(xié)十三屆四次會議上提出的遠程心電六條措施的落實,將為心電信息AI 分析的發(fā)展帶來新的機遇,也將為本文提出的一些關(guān)鍵問題的解決帶來積極的影響。