延长患者的心脏监测和使用植入式心血管电子设备可以增加对心房颤动 (AF) 的检测，但这些设备存在电池寿命短和缺乏即时反馈等局限性。可以记录心电图 (ECG) 条带并进行自动诊断的新型智能手机工具能否克服这些限制并促进及时诊断?

加拿大心脏病学杂志上迄今为止规模最大的一项研究发现，在心电图异常的患者中使用这些设备具有挑战性。研究人员说，更好的算法和机器学习可能有助于这些工具提供更准确的诊断。

波尔多波尔多大学医院 LIRYC 研究所的首席研究员 Marc Strik 解释说：“早期的研究已经验证了 Apple Watch 在少数具有相似临床特征的患者中诊断 AF 的准确性，”法国。“我们测试了 Apple Watch ECG 应用程序的准确性，以检测患有各种心电图异常并存的患者的 AF。”

该研究包括 734 名连续住院患者。每位患者都接受了 12 导联心电图，随后立即进行了 30 秒的 Apple Watch 记录。智能手表的自动单导联心电图 AF 检测被归类为“无心房颤动迹象”、“心房颤动”或“不确定读数”。智能手表的录音被提供给一名电生理学家，他进行了盲法解读，为每个追踪分配了“AF”、“没有 AF”或“诊断不明确”的诊断。第二位不知情的电生理学家解释了 100 条随机选择的轨迹，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产生自动诊断。对于有房性和室性早搏 (PACs/PVC)、窦房结功能障碍和二度或三度房室传导阻滞的患者，自动 AF 检测的假阳性风险更高。对于 AF 患者，心室传导异常(室间传导延迟)或由植入起搏器控制的节律的患者出现假阴性追踪(遗漏 AF)的风险更高。

心脏电生理学家对区分 AF 和非 AF 有高度的一致性。智能手机应用程序正确识别了 78% 的 AF 患者和 81% 的非 AF 患者。电生理学家确定了 97% 的 AF 患者和 89% 的非 AF 患者。

患有 PVC 的患者从智能手表心电图诊断为假阳性AF 的可能性高出三倍，并且对房性心动过速 (AT) 和心房扑动 (AFL) 患者的识别非常差。

“这些观察结果并不令人惊讶，因为智能手表自动检测算法仅基于周期可变性，”Strik 博士指出，并解释说 PVC 会导致短周期和长周期，从而增加周期可变性。“理想情况下，一种算法可以更好地区分 PVC 和 AF。任何仅限于分析周期变异性的算法在检测 AT/AFL 方面的准确性都很差。机器学习方法可能会提高这些患者的智能手表 AF 检测准确性。”

在随附的社论中，加拿大安大略省金斯敦市金斯敦健康科学中心心脏病学部的医学博士 Andrés F. Miranda-Arboleda 和医学博士 Adrian Baranchuk 观察到，这是第一个关注心脏疾病的“真实世界”研究。使用 Apple Watch 作为 AF 的诊断工具。

“它非常重要，因为它让我们了解到 Apple Watch 在诊断 AF 时的表现受到潜在心电图异常的显着影响。在某种程度上，用于检测患有 AF 患者的智能手表算法Miranda-Arboleda 博士和 Baranchuk 博士说，心血管疾病还不够聪明。但他们可能很快就会做到。

“随着智能手表在医学中的使用越来越多，重要的是要了解哪些医疗状况和心电图异常会影响和改变智能手表对 AF 的检测，以优化我们对患者的护理，”Strik 博士说。“智能手表检测 AF 具有巨大潜力，但对于已患有心脏病的患者来说更具挑战性。”