医生解读心电图时对ST段抬高的无意识检测

《Journal of Electrocardiology》：Non-conscious detection of ST-segment elevation during physician ECG interpretation

心电监护中医生非意识检测机制研究显示，8位资深医师解读90份ECG时18%的STEMI被漏诊，眼动数据显示漏诊导联存在更长的注视时间（P=0.02）、更频繁的注视和更多次跳转。这表明非意识视觉处理可能成功识别异常，但未被意识层面捕获，为开发基于眼动特征的机器学习辅助诊断系统提供依据。

　　这项研究由Gregory J. DiGirolamo、Nikolaos Kakouros、Federico Sorcini、Sofia Patrizi Sorcini、Jenna Dupell、Erin K. Sands和Max P. Rosen共同完成，研究团队来自美国霍利克罗斯学院的心理学系。研究的核心目标是探索在心电图（ECG）中，医生是否能够通过非意识过程成功识别被遗漏的ST段抬高（ST-segment elevation, STE）型心肌梗死（myocardial infarction, MI）。研究结果表明，即使医生未能在意识层面确认这些异常，他们的眼动行为仍然显示出对STE区域的关注，从而揭示了一种更复杂的非意识检测机制。

心肌梗死是一种严重的急性心血管疾病，每年在美国发生约805,000例，其中大约18%的患者会因此死亡。此外，每千名住院患者中就有四人可能在住院期间经历急性心肌梗死，这显著增加了他们的死亡风险。在临床实践中，心电图是检测心肌梗死的重要工具，尤其是通过识别ST段抬高这一特征。然而，尽管心电图被广泛用于诊断，但研究表明，临床背景信息对心电图的解读准确性并没有带来显著提升。这意味着，医生在解读心电图时，主要依赖于对图像本身的视觉分析。

研究团队指出，即使经验丰富的医生，也会在解读心电图时出现较高的漏诊率，尤其是对于那些ST段抬高的病例。这种现象在不同研究中被广泛观察到，例如，有研究显示，即使是经验丰富的医生，也会漏诊高达25%的ST段抬高病例，而非专业医生的漏诊率甚至高达45%。这些漏诊不仅可能导致误诊，还可能影响治疗时机，从而增加死亡风险。因此，提高心电图解读的准确性对于改善患者的预后至关重要。

为了深入探讨这一问题，研究团队采用了一种新颖的方法——眼动追踪技术。这种方法能够记录医生在解读心电图时的视觉注意力分布，从而揭示他们在识别异常时的行为模式。眼动追踪技术的应用不仅限于医学领域，在其他需要精细视觉分析的领域也有所应用。在本研究中，医生被要求在没有临床背景信息的情况下解读90份心电图，其中包括45份ST段抬高型心肌梗死（ST-segment elevation myocardial infarction, STEMI）病例和45份正常心电图（Normal ECG）。研究结果显示，医生漏诊了18%的ST段抬高病例，而在正常心电图中，他们几乎全部正确识别。

进一步分析表明，医生在解读ST段抬高病例时，会花费更多时间、更频繁地注视这些区域，并且在这些区域之间的转换次数也显著增加。相比之下，他们在解读正常心电图时的注视时间和频率较低。这种差异表明，医生在解读ST段抬高病例时，虽然未能在意识层面确认异常，但他们的视觉注意力仍然被这些区域所吸引。这种现象可能反映了非意识检测机制的存在，即医生在没有明确意识到异常的情况下，仍然能够识别出某些关键信息。

研究团队还提到，ST段抬高并不总是意味着心肌梗死。例如，良性早期复极化（benign early repolarization）可能在健康个体中出现ST段抬高，而缺血性ST段抬高并不一定导致心肌坏死。此外，完全的冠状动脉阻塞也可能出现在非ST段抬高型心肌梗死（non-ST-segment elevation myocardial infarction, NSTEMI）和ST段抬高型心肌梗死（STEMI）的病例中。因此，研究团队在本研究中特别关注那些通过血管造影确认的STEMI病例，这些病例具有明确的病变部位和一致的ST段抬高表现，以便更准确地评估医生在解读心电图时的视觉注意力模式。

眼动追踪技术的引入为研究医生在解读心电图时的视觉注意力提供了重要的线索。例如，医生通常会首先关注心电图的左上角（V1导联），这可能是因为其在页面上的位置较为显眼。心电图的节奏条（rhythm strip）通常是最常被注视的部分，因为其他导联的信息往往需要以节奏条为基准进行解读。然而，不同医生的注视模式存在显著差异，这可能反映了他们在训练和经验上的不同。例如，专家医生在解读心电图时，通常需要更少的注视次数、更短的注视时间和更少的重复注视，以做出准确的诊断。这表明，专家医生在解读心电图时，能够更快地定位关键信息，并且更有效地处理这些信息。

此外，研究团队还提到，即使经验丰富的医生，也会在解读心电图时出现一定程度的漏诊。这可能是因为他们未能在意识层面识别某些关键特征，而这些特征可能在视觉上并不明显。例如，某些ST段抬高的病例可能出现在非缺血性条件下，或者在健康个体中也可能达到诊断标准。因此，研究团队在本研究中特别关注那些具有明确病变部位和一致ST段抬高表现的病例，以确保研究结果的可靠性。

研究团队指出，漏诊可以分为三种类型：搜索错误、决策错误和识别错误。搜索错误是指医生的视线从未落在异常区域，因此无法获取任何感知信息来识别异常。决策错误是指医生虽然已经观察到异常区域，但未能做出正确的诊断。而识别错误则是指医生虽然已经观察到异常区域，但未能在足够长的时间内处理这些信息，从而未能在意识层面识别异常。这三种类型的漏诊都属于错误，但它们的成因不同。

研究团队还提到，识别错误与决策错误之间的界限在于医生在异常区域的注视时间。例如，一些研究认为，识别错误的判定标准是医生在异常区域的注视时间是否达到0.5秒或更长。然而，这一时间标准可能并不完全准确，因为医生在意识层面识别一个视觉刺激所需的时间可能非常短，甚至只有约150毫秒。此外，非意识过程在选择目标区域时可能更快，约120毫秒即可完成。因此，研究团队认为，识别错误可能并不代表意识层面的失败，而是非意识检测机制的成功。

研究团队还提到，他们之前在放射学领域的研究中发现，即使放射科医生未能在意识层面确认某些可见的肺结节，他们仍然会花费更多时间注视这些区域。这表明，非意识过程在识别异常时具有重要作用。这种非意识检测机制在放射学领域的应用已经取得了一定的成果，例如，通过眼动追踪数据训练机器学习模型，能够有效识别那些被遗漏的肺结节。因此，研究团队认为，这种非意识检测机制同样适用于心电图的解读，尤其是在识别ST段抬高型心肌梗死时。

本研究的发现具有重要的临床意义。首先，它表明即使医生未能在意识层面识别异常，他们的视觉注意力仍然会被这些区域所吸引。这种现象可能反映了非意识检测机制的存在，即医生在解读心电图时，能够通过非意识过程识别某些关键信息。其次，研究结果强调了眼动追踪技术在医学诊断中的应用价值。通过记录医生在解读心电图时的视觉注意力分布，可以更准确地评估他们的诊断过程，从而发现潜在的漏诊。

此外，研究团队还指出，非意识检测机制的存在可能有助于开发更高效的机器学习模型，以提高心电图解读的准确性。例如，通过分析医生在解读心电图时的眼动行为，可以提取出他们关注的区域和时间，从而训练模型识别这些关键信息。这种方法不仅能够提高诊断的准确性，还能够减少漏诊率，从而改善患者的预后。

总的来说，这项研究通过眼动追踪技术，揭示了医生在解读心电图时的视觉注意力模式，特别是在识别ST段抬高型心肌梗死时的表现。研究结果表明，即使医生未能在意识层面确认异常，他们的视觉注意力仍然会被这些区域所吸引，从而反映出非意识检测机制的存在。这一发现不仅对医学教育和临床实践具有重要意义，还为开发更高效的机器学习模型提供了理论依据。通过进一步的研究，可以更深入地理解这些非意识检测机制，并探索其在医学诊断中的应用潜力。