臨床實踐中，尤其是急診，呼吸困難的患者並不少見，相當一部分是左室功能障礙導致的呼吸困難。
鑑別到底是心源性（左室功能障礙）還是其他原因導致的呼吸困難往往需要消耗醫生很多的時間和精力，需要完善很多相關檢查。
人工智慧（AI）在臨床中的應用日益廣泛，心電圖也是人工智慧技術應用的熱點領域；只靠一張AI輔助的心電圖來診斷左室功能障礙，到底靠不靠譜？
近期發表在Circulation：Arrhythmia and Electrophysiology雜誌的一項觀察性研究，
透過人工智慧技術分析急診患者的心電圖特徵，以協助判斷和預測左室功能障礙的應用，一定程度上回答了上述問題，
讓我們一起來看看吧。
研究設計
本研究回顧性納入了自2020年5月1日至2020年12月31日就診於梅奧診所急診，且行心電圖及經胸心臟超聲的1300名患者。
收集其左心室射血分數和心電圖引數（包括PR間期、QT間期、校正的QT間期、是否存在左右束支傳導阻滯及起搏器植入等情況）；
從以下幾個維度評價了AI心電圖預測左室功能障礙的效能：
受試者工作曲線下面積（AUROC）、
檢驗靈敏度、
特異性、
陰性和陽性預測值（基於超聲心動圖左心室射血分數評估）。
人工智慧模型為每個被分析的心電圖生成一個介於0和1之間的數字預測機率，初始研究設定的示篩查陽性的閾值≥0。256。
研究結果
納入研究的患者平均年齡為69歲，其中43。3%為女性。
總的來說，根據患者的左室射血分數（EF）水平，大體分為兩類：
（1）
EF≤35%時，AI-ECG的AUROC為0.893；
準確率為82。7%，靈敏度為78。6%，特異性為83。1%，
陽性預測值為30。4%，陰性預測值為97。6%。
對於預設的亞組患者，人工智慧心電圖的預測效果仍然穩定，
對存在心室起搏患者的AUROC為0。822，
存在右束支阻滯的為0。857，
存在左束支阻滯的為0。784。
（2）
EF
準確率為81。8%，靈敏度為59。9%，特異性為87。3%，
陽性預測值為54。3%，陰性預測值為89。6%。
對於起搏的患者，其AUROC為0。752，
存在右束支傳導阻滯為0。825，
存在左束支傳導阻滯為0。834，
存在寬QRS為0。832。
圖1 森林圖描繪了
人工智慧ECG演算法檢測左心室功能不全（定義為射血分數≤35%）的效能
研究結論
這項研究進一步證實了人工智慧技術輔助的心電圖在診斷左室功能障礙方面的較高效能，
尤其是靜息狀態下、心電圖提示傳導異常的患者，預測價值更好。
心室起搏、寬QRS或右束支傳導阻滯不影響診斷效能，但對於存在左束支傳導阻滯（EF≤35%時）或存在心室起搏器（EF
特定的寬QRS圖形、起搏訊號以及QRS波形可能是人工智慧心電圖確定個體左室功能的重要變數。
值得注意的是，目前臨床實踐中，還不能獨立依靠AI-ECG這一技術判定患者是否存在左心室功能障礙時，仍應該結合患者其他特徵進行綜合判斷。
Impact of ECG Characteristics on the Performance of an Artificial Intelligence Enabled ECG for Predicting Left Ventricular Dysfunction。 Circ Arrhythm Electrophysiol。2021 May；14（5）：e009871。doi： 10。1161/CIRCEP。121。009871。
作者：薄小雯 北京安貞醫院
