众所周知，心血管疾病是人类健康的一大杀手。根据《中国心血管疾病报告2017》提供的相关资料显示，我国有2.9亿人患有心血管疾病，也就是说，在每5个人中，就有一个人患有心血管疾病，尤其是农村，心血管疾病的致死率高达到50%。面对这一威胁，一方面我们应该提倡健康的生活方式，另一方面就是重视心电图的发展。随着时代的不断发展和进步，人工智能在心电图的诊断中得到了更好的应用，从而使得心血管疾病的治疗效果突飞猛进。本文对人工智能在心电图诊断和治疗中的应用进行相关科普，希望给大家提供一些有益知识。

　　人工智能的应用

　　给心电图带来的变化

　　中国的专业心电图医师人数不超过3万人，而每年有2.5亿人进行心电图检查，大量的患者一天要做十次心电图检查，人工智能的应用使得检查效率得到提高。

　　1. 临床监控  现在急诊的患者很多，一部分患者需要进行24小时心电图监测，应用人工智能的算法不仅能够很好地缓解医生的压力，同时也能提高他们的工作效率。

　　2. 异常定位  在整个大医院中，如果大家都想做动态心电图，可能要排队等待2个星期，通过人工智能的做法，可以帮助医生快速发现异常，从而加快标注，就可以打破这个困局。

　　3. 诊疗辅助  越来越多的患者会通过各式家庭心电仪采集数据，上传到云平台，由远端的专家进行标注，但这个远端的专家一来需要标注大量的量，比较疲劳，二来是对一些信号可能产生误判、漏判，有了人工智能的辅助，就可以减少漏判、误判。

　　4. 风险预测  对术后、院后的患者，可以通过家庭设备观测变化，比如对患者在家庭中的相关指数进行监测，如果可能出现恶性心脏事件，便给医生发一条通知，通知患者到医院复诊，或者通知家人关注患者的健康情况。

　　人工智能怎样

　　突破传统算法的短板？

　　传统心电图计算方法的短板，一是数据问题，大部分厂家的训练数据来自于新标准EC57，问题是数据量有限，且患者主要是欧美人，与亚洲人有很大的区别；二是算法的问题，传统的算法往往只能使用心电信号作为模型的判别标准，但患者还是有非常多信息的，临床情况下不只是要知道患者的年龄、性别，还有患者的既往史、家庭史、用药史，这对判别患者的异常事件都是非常有价值的。算法方面的缺陷也导致在临床使用中误报率非常高。

　　对于数据的问题，人工智能实现数据多元化。数据来自不同区域、不同人群、不同设备，将不同的信息进行标准化，这一流程包括采集流程标准化、数据标注的标准化、审核流程标准化和脱敏，最后传到数据库进行模型训练，使心电数据质量高且覆盖面广。

　　对于算法的问题，人工智能应用了新的计算方法，把心电图拆成若干心搏和时间窗，对每一个心搏和时间窗进行卷积神经网络的提取，尝试理解词和句的心电图，再把心电图信息传统循环神经网络串联起来。弄清楚每一句话上下文的语义，最后判别这个心电图是心律失常还是其他的情况。应用迁移学习、多模态学习、可归因等技术，保证诊断的准确性。

　　人工智能

　　在心电图应用中的成果

　　用户根据采集自身的心电图数据，通过APP上传到服务引擎，通过12导联心电信号，包括患者输入的年龄、性别和症状信息，综合判断潜在的异常，并提供给远端标注的医生，医生基于我们提供的潜在异常给出自己的判断。医生给出的异常主要是房性早搏、心房颤动、室性心搏、T波倒置，在整个流程中，缩短了诊疗时间，减少漏诊、误诊的情况。

　　人工智能在心电图诊疗中的应用，极大地提高了心血管疾病治疗的效果，未来人工智能在心电图诊疗中的应用还有很大的发展空间，希望人工智能打破现有心电设备的产能困局，通过云技术平台，把这样的能力辐射到心电设备和心电服务场景，为更多心脑血管患者提供服务。

　　桂林医学院第二附属医院 黄贤军