心电图100年：历史和未来

一朵奇葩阳

来源：循环在线
心 电 图(ECG ) 是由数百万个心肌细胞的动作电位产生的体表心肌电活动的累积记 录。与神经元不同，心肌细胞以合胞体的形式连接，其中一个细胞的激活进而激活相邻的细胞，从而产生波峰传播和协调的电流。在细胞水平上，单个心肌细胞通过精细调节的膜通道的激活从而产生动作电位，膜通道通常是离子特异性的，继而产生的电流通过特定蛋白质形成的孔从一个细胞传递到另一个细胞。ECG生成过程中涉及的多种复杂机制使其能够作为每个个体的独特识别“指纹”，作为疾病的早期检测工具，并有可能颠覆医疗筛查和远程监测方式。ECG检查在20世纪初首次诞生时，其强大力量几乎难以想象。
从19世纪末开始，人们就已经认识到跳动的心脏会产生电流。然而，Waller使用的毛细管静电计，灵敏度较低，无法充分分辨毫伏级电信号。1903年，荷兰内科医生和生理学家Einthoven发现人体表面的电活动会使位于磁铁间的银丝偏转，从而使用弦线式电流计，记录了第一份实用ECG，并根据信号特征将各波命名为P波、QRS波、T波，这些命名沿用至今。ECG不同于体征和症状，提供了一种客观检测和诊断心脏病的方法，最终推动了一个新的领域的诞生——心脏病学。
在接下来的几十年里，越来越多的研究结果将人类命名的心电信号特征与心脏和非心脏疾病联系起来，包括缺血、心律失常、电解质异常、肝脏疾病等，每种疾病的敏感性和特异性在一定程度上取决于其对心脏电活动的影响。随着更细致和复杂的研究不断发展，心电图领域和心脏病学也随之不断发展。ECG成为了诊断急性心肌梗死、心房颤动(AF)和室性心动过速等危重疾病诊断的核心工具。
随着心脏病学的成熟和超声心动图等新技术的引入，人们对心电信号特征与心脏结构异常（如肥厚、瓣膜病变）之间的关系，以及这些心电信号特征在诊断中的优势和局限性，有了更深入的了解。越来越多由心电图和疾病状况之间的经验关联定义的心电图标准和规则，用于医生诊断疾病。20世纪70年代，这些规则被编码到ECG机中，作为临床辅助工具生成诊断报告。尽管基于心电特征的ECG解读系统的准确性和可靠性存在争议，但它们代表了计算机阅读ECG的能力已经达到顶峰，直到近年来基于机器学习的方法被开发出来，这一进步即将重塑ECG的临床实力。
机器学习已被用于训练深度神经网络，这是一系列模拟人类大脑皮层的数学方程，每个神经元由一个非线性方程表示，像神经元一样，可以根据其输入进行“放电”。经过大型标记数据集训练的网络可以识别细微的、非线性的ECG模式，这些模式可能出现在传统特征分析中未使用的未命名的ECG片段中，从而实现3种广泛的功能：(1)执行人类可执行的任务，如节律分类，但可分类的规模更大；(2)超越人类，识别人类无法可靠识别的情况(例如，心室功能障碍)；(3)识别标准检测方法尚未检测到的高风险疾病个体。人工智能(AI)ECG执行预测任务的机制尚未得到证实，但很可能反映了疾病对离子通道的影响进而出现的细微ECG变化，先于通过超声心动图等影像学检查检测到的异常。ECG缺血异常先于超声心动图室壁运动异常，这一点已是共识。
AI-ECG已被开发用于有效检测左心室功能障碍，通过窦性心律ECG检测房颤、以及检测主动脉瓣狭窄、肺动脉高压、肝硬化、肥厚型心肌病和高钾血症等疾病。AI-ECG基于软件的特点，使得其已经在临床工作流程中进行了快速且廉价的测试。
在EAGLE研究(AI ECG引导筛查低射血分数)中，采用聚类随机设计，在新冠大流行期间约8个月内招募了22640名成年人。在干预组，当初级保健医生安排常规ECG检查时，将AI分析结果提交给临床医生；在对照组中，结果没有披露。研究表明，AI-ECG结果的可用性使左心室功能障碍的新诊断增加了三分之一。由于操作菜单简单，护士和助理医师采纳AI建议从而做出诊断的可能比原来提高了两倍。
为了测试非医疗环境中可穿戴设备收集的ECG是否足以进行AI分析，Attia等与梅奥数字健康中心合作，创建了一个应用程序（app），收集苹果手表的ECG记录并重新训练12导联网络对手表ECG进行分类。一名兼职研究协调员数字化招募了来自46个州和11个国家的2544名受试者，并在约6个月时间传输了超125000个ECG。手表ECG识别左心室功能障碍的曲线下面积为0.89（图）。
以前获取和存储的数字ECG也可用于识别未知疾病。BEAGLE研究招募了669032例有ECG记录，CHADSVASC卒中风险评分升高，但没有已知心房颤动病史的患者。参与者佩戴长达一个月的可穿戴监测仪。研究者应用AI-ECG算法从窦性心律ECG记录中检测房颤。AI-ECG检测显示无症状房颤阳性的患者在1个月内发生房颤的可能性增加了5倍。
不仅如此，AI-ECG也被证明可以反映药物治疗的疗效。Tison等的研究证明，AI-ECG评分可有效检测肥厚型心肌病，该评分与流出道压力阶差和NT-proBNP水平相关，并在mevacamten治疗后下降。
简而言之，ECG已经从一种对心脏电活动的原始检测发展到一种识别隐匿疾病，预测可早期干预疾病和监测治疗效果的复杂测试。ECG价格便宜、应用广泛，已经集成到临床工作流程中，并在非医疗环境中可用。即使是在100年之后，ECG作为临床医生口袋里的强大工具，其临床指导作用一点会进一步加强。

图：心电图的发展与演变
参考文献：Friedman P. A. (2024). The Electrocardiogram at 100 Years: History and Future.Circulation, 149(6), 411–413. https://doi.org/10.1161/CIRCULATIONAHA.123.065489
专家简介

刘彤教授
刘彤，主任医师，教授，博士生导师，天津医科大学第二医院心脏科主任，天津心脏病学研究所所长，入选国家百千万人才工程，人社部有突出贡献中青年专家。主要从事心房颤动、肿瘤心脏病学的基础与临床研究。现任中国医疗保健国际交流促进会心律与心电分会第三届委员会副主任委员，国家卫生健康委人才交流服务中心第一届心律失常专家委员会副主任委员，中国心律学会第11届委员会常务委员，中国抗癌协会第一届、第二届整合心脏病学分会常务委员，中华医学会心脏起搏与电生理分会委员，中华医学会心血管病分会青年委员，国际心电学会（ISE）青年委员，FESC，FHRS, ISHNE-F，Current Cardiology Reviews杂志（SCI收录）主编，承担国家自然科学基金项目6项，主编及主译专著8部。
医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。