近年来，可穿着设备、人工智能技能发展迅猛，集中在房颤检出及风险预测。
如何将数据实时驱动个性化智能模型运用于临床管理是关注的焦点。

一年一度的欧洲心脏病学学会年会(ESC)是心血管领域天下级的主要会议之一，于8月27日～30日在线上举行，在这次会议上，301医院心脏康健研究团队共有6项智能技能心血管康健风险监测及管理的事情在大会互换。

睡不好跟房颤发生有关?研究证明：就寝呼吸障碍人群房颤风险增加5倍

2021年8月27日，欧洲心脏病学学会年会(ESC)房颤论坛上，301医院心脏康健研究团队先容就寝呼吸障碍风险人群心房颤动(房颤)筛查情形，这是团队在可穿着设备心血管康健风险监测系列事情，继2019年ESC大会m-Health in Arrhythmias宣布“真实天下光电容积脉搏波技能筛查房颤”之后，环球首个在就寝呼吸障碍人群筛查房颤风险的宣布。

2019年12月至2020年12月共有187,933例(均匀年事38.18 ± 10.77 岁, 91% 男性)利用PPG可穿着设备监测夜间就寝。
个中9088例(4.84%)筛查为就寝呼吸障碍高风险(均匀年事42.62 ± 9.27 岁，98% 男性)。
184 970例人群利用PPG手环/表同时监测就寝及心律，8837例筛查为就寝呼吸障碍高风险。

8837例就寝呼吸停息高危患者创造疑似房颤患者共93例(房颤检出率1.05%)。
随着就寝呼吸停息风险增加，房颤检出率逐渐增加(正常、低、中、高风险：0.37%、0.72%、0.95%和1.05%，P

与非房颤患者比较，房颤患者存在更高的就寝呼吸停息患病风险(4.76% vs 7.54%, P

人群筛查研究显示，较正常组，高风险就寝呼吸障碍综合征患者超过5倍的房颤风险，亟需有效房颤早期干预。

预测房颤哪个更靠谱?这个研究给出答案

2021年8月27日欧洲心脏病学学会年会(ESC)e-Cardiology/Digital Health论坛，一项人工智能机器学习模型预测未来数小时内房颤产生发火的研究进行在线互换，这项研究由301医院mAFA项目心脏康健研究团队与华为运动康健团队互助开展，涉及医学、穿着(硬件)、旗子暗记处理和AI算法(软件)等多个跨学科领域。

此项研究基于可穿着设备光电容积脉搏波(photoplethysmograph， PPG)持续监测，人工智能模型预测心房颤动(房颤)产生发火风险。

2018年10月26日至2021年3月26日，共有2,120,210例佩戴华为智好手环、腕表的用户参加了房颤筛查研究。
基于PPG传感器的持续监测数据，利用监督机器学习技能(XGBoost， LightGBM)，建立2个机器学习模型(短程及长程模型， short-term model and long-term model)并优化，用于预测4、8小时内房颤产生发火的风险。

2018年10月至2021年3月期间，通过心脏康健研究中央律失落常检测模型共筛查出6294例 (均匀年事, 51.6 ± 16.0 岁, 5439例男性) 房颤患者，心律失落常模型共检测到142,518 次房颤事宜(后台每10分钟启动一次检测)。
检测到的107,864个房颤事宜被用于验证房颤风险预测模型。
在真实“发生”的房颤事宜前预测韶光段内共有443,630 条PPG/RRI监测数据，非预测韶光段内共有563,309条非房颤PPG/RRI监测数据。

机器学习模型预测未来4～8小时内房颤产生发火事宜，在线上和线下的测试中均表现出良好的预测效能，房颤风险提前预测，有助于房颤“上游”管理。

据先容，这次研究选择了PPG(光电容积脉搏波)数据作为演习数据紧张来源。
PPG数据可以在穿着设备上实现周期自动采集，能够覆盖房颤产生发火前后的韶光段，比较之下，ECG(心电图)数据等须要主动采集的办法随意马虎错过预测房颤的机遇。

如何降落房颤产生发火?可穿着设备及人工智能技能这样降落房颤产生发火

2021年8月27日ESC大会人工智能及数字康健最新科学会议重磅论坛(Late Breaking Science in Artificial Intelligence & Digital Health)，301医院心脏康健研究团队代表mAFA II研究者做了“可穿着设备及人工智能技能上游房颤风险管理”(Upstream risk factor management for patients with atrial fibrillation using wearable devices and artificial intelligence technology: A report from mAFA II trial)的大会***发言，先容了智能技能运用最新进展。

据悉，研究利用手环/表，基于光电容积脉搏波(PPG)技能人工智能房颤风险预警(AF risk prediction)，持续心律监测房颤筛查(AF identification )，及单导心电图主动丈量房颤确认(AF confirmation)，结合移动技能支持的房颤整合管理路径B，更好的症状管理，进行房颤上游风险掌握，评价房颤负荷的改变情形。

研究利用的PPG人工智能房颤风险预警机器学习模型于2019年2月1日至11月5日基于mAFA II房颤筛查(Huawei Heart Study)建立，优化，并与72小时动态心电图比拟验证，模型预测未来4～8小时房颤产生发火风险准确率为89%，阳性预测率96%，阴性预测率83%。
PPG持续心律监测在跟踪超过1年的人群(mAFA-II trial Long-term Extension Cohort)证明，超过90%持续监测创造的疑似房颤确诊为房颤。
手环单导心电图判断窦性心律，房性早搏，室性早搏及房颤的四分类Macro F1 score为 95.8%。

自2019年1月22日-2021年6月6日，共有7357例(均匀年事45岁)利用mAFA的房颤患者配对可穿着手环/表，利用PPG持续房颤筛查功能，2017例房颤患者(均匀年事47岁)利用人工智能房颤风险预警功能，1000例患者(均匀年事47岁)利用同时具备单导心电图功能的手环/表。

房颤患者启动mAFA后，人工智能模型自动预警未来4～8小时房颤风险，患者可进行自我症状评估，结合PPG房颤实时筛查，探求可能影响房颤产生发火的生活行为办法成分，当被单导心电图确诊房颤后，房颤上游节律管理(Pill-in-the-Pocket)被推举掌握房颤产生发火。

房颤负荷定义为疑似房颤次数/PPG监测总次数%。

7357例房颤患者利用mAFA B症状管理功能进行自我管理，PPG持续监测房颤负荷逐渐减少，从第1月8.37%至第12月 6.10% (P

温馨提示：心脏康健研究由301医院发起基于HUAWEI Research创新研究平台和华为智能穿着设备开展，检测数据和和筛查结果仅供您理解自身心脏康健情形，仅供参考，不作为诊断和治疗依据。

本文来自【康健时报网】，仅代表作者不雅观点。
全国党媒信息公共平台供应信息发布传播做事。

ID：jrtt