人工智能辅助听诊检测心房颤动：一项在BMC Cardiovascular Disorders发表的新型筛查策略

《BMC Cardiovascular Disorders》：Detection of atrial fibrillation via artificial intelligence-assisted auscultation

本研究针对心房颤动（AF）传统筛查方法效率低、易漏诊的问题，开发了一种基于人工智能（AI）的电子听诊器筛查系统。通过结合ResNet34和12层Vision Transformer（ViT）的AI模型分析心音信号，研究在496例样本中验证了该模型的高性能（验证集AUC达0.93），为解决初级医疗场景中AF筛查难题提供了可靠、便捷的新方案。

　　

在全球范围内，心房颤动（Atrial Fibrillation, AF）是最常见的心律失常，它显著增加中风和心力衰竭的风险，并不可避免地导致患者生活质量下降。尽管AF很普遍，但由于传统筛查方法主要依赖于体格检查和心电图（Electrocardiogram, ECG），常常会漏掉间歇性或无症状的AF发作，导致诊断不足，干预延迟，发病率增加。

面对这一临床挑战，人工智能（Artificial Intelligence, AI）在心血管疾病诊断和治疗中的应用展现出巨大潜力。近年来，基于心音分析的研究取得了显著进展。本研究创新性地开发了一种基于AI的电子听诊器系统，旨在为AF筛查提供一种可靠、易用且可及的新工具。

为了评估这一AI系统的有效性，研究人员开展了一项回顾性研究。他们从福建医科大学附属协和医院心内科收集了550例疑似或确诊AF患者的数据，最终496例高质量的心音记录（其中290例AF，206例非AF）被纳入分析。所有患者均接受了标准12导联ECG检查作为金标准。研究人员使用了一款名为FINZ-PCG的智能电子听诊器进行心音采集，该设备通过蓝牙5.0连接智能手机，采样率为44.1 kHz。采集在安静环境（环境噪声低于32 dB）下进行，记录每位参与者心脏四个瓣膜听诊区的心音，每个部位至少记录30秒。

研究团队为AF检测开发了一个专门的AI模型，其核心是结合了ResNet34和12层Vision Transformer（ViT）的深度学习架构。ResNet残差网络通过学习输入与输出之间的残差来有效提取分类特征，而ViT作为一种基于Transformer的视觉模型，通过将图像分割成块并转换为线性嵌入，利用标准Transformer架构处理，擅长理解全局依赖关系。在模型训练前，心音数据经过了一系列预处理步骤，包括数据转换、截断、带通滤波（20-400 Hz）、下采样（至1000 Hz）、归一化和音频分割（重叠50%的10秒片段）。随后，从分割后的数据中提取了短时傅里叶变换（Short-Time Fourier Transform, STFT）、梅尔频谱图（1024/256点）、梅尔频率倒谱系数（Mel-frequency cepstral coefficients, MFCCs）和双谱分析（Bispectrum analysis）等多种特征，以编码心音信号的时频特性。比较分析发现，ViT网络结合STFT或1024点梅尔频谱图特征时性能最优（准确率均达89.07%）。

主要技术方法概述

本研究为回顾性研究，纳入496例经12导联ECG确认（AF 290例，非AF 206例）的患者心音记录，按6:4比例分为推导组和验证组。使用FINZ-PCG智能电子听诊器采集心音信号。开发了结合ResNet34和12层Vision Transformer（ViT）的AI模型，对经过预处理（包括带通滤波、下采样、归一化、分段）和多种时频特征（如STFT、梅尔频谱图）提取的心音数据进行分析，以区分AF与非AF。模型性能通过灵敏度、特异性、准确率、阳性/阴性预测值及受试者工作特征曲线下面积（Area Under the ROC Curve, AUC）等指标进行评估，并进行了重复性检验（Cohen‘s Kappa）。

研究结果

患者分组与基线数据

496例心音记录被随机分为推导组（298例，AF 174例，非AF 124例）和验证组（198例，AF 116例，非AF 82例）。两组中AF患者的平均年龄均显著高于非AF患者（推导组：65.55±10.90岁 vs 50.31±15.75岁，P<0.001；验证组：65.45±9.68岁 vs 58.5±13.60岁，P<0.001）。AF患者中合并高血压、糖尿病、心力衰竭的比例以及CHA₂DS₂-VASc评分也显著更高。

模型性能评估

AI模型在推导组和验证组均表现出高性能。在推导组中，灵敏度为0.95（95% CI, 0.90-0.97），特异性为0.90（95% CI, 0.83-0.94），准确率为0.92（95% CI, 0.90-0.96）。在验证组中，灵敏度为0.94（95% CI, 0.88-0.98），特异性为0.91（95% CI, 0.83-0.96），准确率为0.93（95% CI, 0.89-0.96）。模型区分AF与正常的AUC在推导组为0.92（95% CI, 0.89-0.96），在验证组为0.93（95% CI, 0.88-0.97）。

模型一致性评估

对74例样本进行非连续两日的心音采集，记录AI判断结果并进行重复性评估。Cohen‘s Kappa值为0.74（P<0.001），表明模型判断结果具有良好的一致性。

特征提取方法比较

比较分析揭示了不同特征提取方法的性能差异。ViT网络在使用STFT和1024点梅尔频谱图特征时达到了最高准确率（均为89.07%），而ResNet34在使用256点梅尔频谱图时表现最佳（86.43%）。MFCCs在两种架构中表现相对较差（ViT: 76.11%； ResNet34: 69.63%），这可能源于其较低的时间分辨率。STFT和1024点梅尔频谱图显示出卓越的功效（改善11.3-19.4%），这与AF的高频频谱特征相符，并凸显了时频表示在诊断中的价值。

研究结论与意义

本研究表明，基于AI的电子听诊器作为一种可靠的AF筛查工具具有巨大潜力。该模型在推导和验证数据集中均表现出高灵敏度、特异性和准确性。其性能与一些高端光电体积描记法（Photoplethysmography, PPG）设备相当，但仅依赖于心音图（Phonocardiogram, PCG）信号。与Thompson等人早期的基于CNN的心音模型相比，本方法将AUC从0.85提升至0.93，并首次实现了仅基于PCG信号的准确AF识别。

该技术的优势在于其便携性、易用性和成本效益，使其特别适合在初级医疗机构和普通人群中进行大规模筛查。对于缺乏心血管专科医生或设备的基层医疗机构，以及需要快速诊断的急诊科，AI听诊器可以辅助经验不足的医生进行诊断，减少漏诊和误诊。与依赖心电图的AI方法或昂贵的可穿戴设备相比，AI听诊器对环境因素的敏感性较低，成本更具优势，更易于推广。

研究的局限性包括对安静环境的要求可能影响AF患者的连续数据采集、样本量相对较小以及数据质量存在个体差异和采集噪声的影响。未来的工作应侧重于通过多中心、大样本研究进一步验证模型，并加强数据质量评估和清理流程。

总之，这项研究成功开发并验证了一种结合ResNet和ViT的AI模型，用于基于心音的AF检测，表现出优异的诊断性能和一致性。这为在资源有限的基层医疗场景中实现高效、便捷的AF筛查提供了强有力的新工具，对AF的早期发现和管理具有重要意义。