基于自蒸馏预训练Transformer的心电图智能筛查模型SPEED-TR在三尖瓣反流检测中的突破性研究

《npj Digital Medicine》：SPEED-TR: a self-distilled and pre-trained transformer model for enhanced ECG detection of tricuspid regurgitation

本研究针对三尖瓣反流(TR)临床筛查手段匮乏的难题，开发了基于自蒸馏预训练Transformer架构的心电图智能诊断模型SPEED-TR。通过分析46万余例心电图-超声心动图配对数据，模型在内部验证集和外部多中心验证中均表现出优异性能（AUROC 0.937-0.945，阴性预测值0.978-0.988），首次实现基于心电图的TR严重程度分级（准确度0.744），为心血管疾病早期筛查提供了创新解决方案。

　　

在心血管疾病领域，三尖瓣反流(TR)作为一种常见的瓣膜性心脏病(VHDs)，其患病率随年龄增长而显著上升。研究表明，无症状中重度TR患者的发病率约为2.7%至13.8%，而重度TR可能导致右心室负荷增加、心功能下降甚至心力衰竭。令人担忧的是，这类患者通常仅在出现明显右心衰竭症状时才被诊断和治疗，而此时由于严重的全身终末器官受累，药物和手术治疗效果均不理想，后续数年全因死亡率高达7.4%至69%。

随着外科技术的进步，早期手术干预被证实能够降低并发症发生率、手术死亡率和长期死亡率。近年来，经导管三尖瓣介入治疗(TTVI)也迅速发展，虽然TTVI的最佳时机尚无定论，但多项研究指出TR应在早期阶段进行治疗。因此，开发实用、经济的TR早期筛查工具显得尤为迫切。

传统TR诊断主要依赖超声心动图(ECHO)、计算机断层扫描(CT)、磁共振成像(MRI)和中心静脉压测量等方法，这些技术成本高昂且需要专业技术人员、造影剂和侵入性操作。相比之下，心电图(ECG)具有操作简单、实时监测、普及性高、无创和低成本等优势，使其成为高危人群大规模筛查的理想工具。然而，VHDs的心电图特征可能缺乏特异性，例如TR患者心电图可能显示P波和QRS波群改变、右心室肥厚、右束支传导阻滞(RBBB)或心房颤动(AF)等表现，但缺乏特异性使得临床医生难以通过心电图诊断TR。

近年来，人工智能(AI)技术逐渐融入心脏疾病诊断领域，其中AI在心电图分析中的应用日益受到关注。研究表明，深度学习模型在心电图诊断AF¹⁸、左心室收缩功能障碍、主动脉狭窄(AS)和二尖瓣反流(MR)等方面具有显著效果。AI技术能够识别人眼难以察觉的心电图细微特征，但针对TR诊断的AI心电图模型研究仍相对缺乏。

本研究旨在评估基于标准12导联心电图检测TR的深度学习模型效能。研究人员开发了自蒸馏预训练Transformer模型(SPEED-TR)，该概率模型整合了自蒸馏和自监督预训练技术，以增强对细微心电图特征的识别和TR检测能力。模型在国家心血管病中心阜外医院(FW)的大型心电图-超声心动图配对数据集上进行训练，并通过多中心数据集（包括阜外医院内部数据和云南阜外医院[YF]、深圳阜外医院[SF]两个外部测试集）进行评估，从多个维度评估模型性能，包括不同TR程度、特定亚组（具有不同TR风险因素或其他VHDs）等。

关键技术方法包括：基于46.6万例心电图-超声心动图配对数据（来自29.1万患者）构建Transformer架构模型；采用两阶段训练策略（66.6万无标签心电图的自我监督预训练+37.2万标签数据的自蒸馏微调）；通过多中心验证（内部6.4万患者+外部6.6万患者）评估模型泛化能力；使用三个概率阈值（0.008、0.255、0.755）实现TR严重程度分级。

研究结果

人群特征

模型开发数据集的基线特征显示，TR患者年龄更大、女性比例更高，更可能患有其他VHDs。心电图特征方面，TR患者心率更快，PR间期和校正QT间期(QTc)更长，QRS波群更宽，AF/心房扑动(AFL)、室性早搏、RBBB、室内传导延迟、轴偏和肢体导联低电压的发生率更高。超声测量显示，TR患者左心室射血分数(LVEF)较低。

多中心评估数据集的基线特征与模型开发数据集相似，平均年龄分别为56.5±13.7、56.2±14.1和50.8±24.6岁。由于样本量较大，TR和非TR患者的部分心电图和超声参数存在显著差异。

多中心数据集的模型性能

SPEED-TR模型在所有模型开发数据集和多中心评估数据集中均表现出色。在留出测试集中，模型达到AUROC 0.945（95%CI 0.939-0.951）和AUPRC 0.519（95%CI 0.487-0.552），特异性0.973，敏感性0.568，阳性预测值(PPV)0.448，阴性预测值(NPV)0.983。模型性能显著优于基于基线特征（LR Model 1）或风险因素（LR Model 2）构建的传统逻辑回归模型。

在多中心验证测试集中，SPEED-TR模型同样表现优异：阜外医院测试集AUROC 0.939（95%CI 0.935-0.943），云南阜外医院和深圳阜外医院测试集AUROC分别为0.943和0.937。所有测试集的NPV均保持在较高水平（0.978-0.988），表明模型在识别阴性病例方面具有强大能力。模型在所有测试集中的准确度介于0.957至0.963之间，校准曲线显示良好的概率估计能力。

基于SPEED-TR的TR程度分级

SPEED-TR模型展示了根据训练好的二元分类模型对TR程度（无、轻度、中度、重度）进行分级的能力。通过最大化验证集上不同TR阳性结果定义的F1分数，确定了三个概率阈值：无(0-0.008)、轻度(0.008-0.255)、中度(0.255-0.755)和重度(0.755-1)。模型在留出测试集、阜外医院、云南阜外医院、深圳阜外医院测试集以及总体多中心测试集中的分级准确度分别为0.749、0.730、0.775、0.726和0.744。

亚组分析

SPEED-TR模型在留出测试集和整体多中心测试集中不同风险因素亚组均表现良好，AUROC超过0.764。在具有不同风险因素的亚组中，模型保持较高的判别能力，即使在合并不同数量风险因素的个体中，AUROC也保持在0.923（零个风险因素）至0.759（三个及以上风险因素）之间。在肺动脉高压(PH)和AF/AFL患者中观察到AUROC略有下降。

模型在其他VHDs亚组中的性能也得到评估，包括主动脉狭窄(AS)、主动脉反流(AR)、二尖瓣反流(MR)和二尖瓣狭窄(MS)。在单一类型VHD患者中，AS亚组AUROC为0.929，AR为0.891，MR为0.837，MS为0.783（MS亚组有所下降）。当个体按合并VHDs数量分类时，模型AUROC均超过0.815，表明模型在瓣膜疾病负担增加时仍能保持性能。

讨论与结论

本研究开发了用于筛查TR的AI模型SPEED-TR，该模型在留出测试集和多中心内外验证数据集中均表现出稳定而强大的检测中重度TR能力。模型在不同TR风险因素或VHDs的多样化人群中均显示良好性能，模型输出概率值与TR严重程度分级相关，表明其在区分不同TR程度方面可能发挥作用。

与传统的基于CNN的监督学习方法不同，本研究探索了基于Transformer的自监督学习结合自蒸馏策略在TR检测中的应用。该方法利用Transformer架构的自注意力机制，能够更有效地捕捉心电图信号的全局信息，提取心电图的内在表征，减少心电图信号固有变异性的影响。自蒸馏的加入增强了模型的鲁棒性和泛化能力，大样本量的心电图-超声心动图配对数据可能是模型性能稳健的重要因素。

亚组分析结果表明，SPEED-TR模型在多样化人群中具有高判别能力，包括具有TR风险因素（如LVEF降低、女性、年龄≥60岁、AF/AFL、PH）或患有其他类型VHDs（如AS、AR、MS和MR）的患者。尽管在具有2个以上风险因素或VHDs的患者中解读心电图特征存在挑战，SPEED-TR仍表现良好。此外，模型在所有测试集中均表现出高NPV（0.97以上），在大多数具有风险因素或VHDs的患者亚组中，NPV均超过0.832。

尽管AUROC保持较高水平，但PPV和AUPRC相对较低，这可能与数据集中TR病例患病率较低有关。与AUROC不同，PPV和AUPRC对类别不平衡更为敏感，在阳性病例患病率较低时往往下降。模型分类阈值通过在验证集上最大化F1分数来选择，以平衡TR检测的敏感性和PPV。

SPEED-TR模型还展示了通过三个不同阈值识别可能TR程度（无、轻度、中度、重度）来评估TR严重程度的潜力，在多数据集中准确度超过72%。模型在识别无TR或重度TR患者方面表现出高判别能力，表明其在低风险个体中有效排除TR并对高预测概率患者提示进一步超声评估的实用性。

本研究存在若干局限性：TR诊断基于超声报告，可能受到不同超声医生解读差异的影响；仅纳入中国人群，模型对其他种族的泛化性可能有限；排除起搏器植入或既往三尖瓣手术患者，无法评估模型在此类人群中的性能；由于超声报告中缺乏常规病因学分类，无法单独评估模型对心房性、心室性或混合性TR亚型的性能。

综上所述，本研究开发了基于标准12导联心电图的SPEED-TR模型，用于筛查TR，在所有多样化评估数据集中均表现出强大性能。亚组分析进一步验证了模型在不同风险因素和/或TR风险因素患者中的稳健性。模型输出概率与TR严重程度的关联表明，该模型可能为TR分级提供参考价值。SPEED-TR模型可作为一种无创、可扩展的筛查工具，快速排除TR或识别高风险患者，提示需要进一步超声心动图评估。