编辑推荐：
这篇综述聚焦 SEISMIC-HF 1 研究，该研究利用可穿戴传感器（CardioTag）和机器学习算法，对射血分数降低的心力衰竭（HFrEF）患者的肺毛细血管楔压（PCWP）进行无创估计，且与金标准测量有中度相关性，为远程心脏监测带来新希望。
心力衰竭现状与研究背景
心力衰竭（HF）一直是严重威胁公众健康的重大问题，其发病率和死亡率居高不下，患者频繁住院或前往医疗中心就诊，给社会带来沉重经济负担。HF 病情恶化通常是一个渐进过程，从无症状的心脏内充盈压升高，历经数周发展到出现明显症状，才促使患者寻求急性医疗救治。
在这一亚临床充血阶段，其实是干预的黄金时期。已有研究表明，基于肺动脉测量的去充血治疗，能够预防症状出现和住院需求。例如，在一些研究中，利用植入式传感器测量肺动脉压力来指导 HF 治疗，不仅可以降低患者住院风险，对于射血分数降低的心力衰竭（HFrEF）患者，还有望降低死亡率。然而，这些侵入性设备在临床应用中受限，患者往往对侵入性操作存在抵触情绪，同时部分保险计划也不涵盖相关费用，并且人们还担心会出现并发症。
随着科技飞速发展，传感器技术取得了诸多突破。设备组件的小型化、连接和通信功能的增强、电池效率及存储能力的提升，再加上与强大的机器学习算法相结合，让人们看到了新的希望 —— 或许可以通过非侵入性可穿戴传感器，获取与植入式设备相媲美的监测信息。
SEISMIC-HF 1 研究设计
SEISMIC-HF 1 是一项前瞻性、多中心的观察性研究，在美国 15 个研究点展开，共纳入 943 名患者。这些患者在接受标准临床治疗、进行临床指征明确的右心导管检查（RHC）的同时，需佩戴可穿戴传感器，以便获取非侵入性信号用于后续处理。
研究对参与者有明确的要求，年龄需在 21 岁以上，有 HF 病史或疑似 HF，且已安排进行 RHC 的患者才有资格参与。不过，存在一些情况的患者会被排除在外，比如正在接受临时或持久机械循环支持、使用机械通气、对可穿戴传感器组件过敏、有开放性胸部伤口（可能干扰设备读数或影响伤口愈合），以及血流动力学不稳定不适合参与研究的患者。
研究使用的可穿戴传感器是 CardioTag（Cardiosense, Inc., Chicago, IL），这是一款医疗级的多传感器设备，功能十分强大，能够同时捕捉地震心动图、光电容积脉搏波图和心电图信号。
地震心动图是一种非侵入性测量心脏机械活动的方法，它通过检测心脏在整个心动周期中的振动来实现。自 20 世纪 50 年代起，就有利用心脏机械振动替代心脏结构和功能评估的设想，但直到小型、轻便的可穿戴传感器出现，能够精准拾取和测量这些振动，地震心动图才重新受到广泛关注。光电容积脉搏波图则用于非侵入性测量微血管中的血容量和血流变化，心电图测量心肌电活动随时间产生的电压变化，这几种信号相互配合，能让设备精准记录心动周期的各个组成部分。
在具体分析时，研究人员将研究队列限定为射血分数≤40% 的 HFrEF 患者，在 943 名患者中，符合这一标准的有 310 人。之所以聚焦 HFrEF 患者，一方面是因为 HFrEF 与射血分数保留的心力衰竭（HFpEF）在模型开发上存在差异，另一方面也是参考了美国食品药品监督管理局（FDA）的反馈。经过质量控制筛选，排除不合格的研究数据后，剩余 233 名患者按照 80/20 的比例，被分为训练集和验证集，用于训练和评估机器学习算法对肺毛细血管楔压（PCWP）的估计性能，研究以右心导管检查测量的 PCWP 作为金标准。
研究结果
参与研究的患者平均年龄为 61.1±13.4 岁，其中 39% 为黑人，38% 为女性。心功能分级方面，57% 的患者为纽约心脏病协会（NYHA）III 级症状，16% 为 NYHA IV 级症状。患者群体中，高血压、肥胖、既往心肌梗死或冠状动脉疾病、慢性肾病的患病率较高。通过 RHC 测量得到的平均 PCWP 为 18.1±9.4 mmHg。
研究人员发现，在验证集中，模型预测的 PCWP 与 RHC 测量的金标准之间存在相关性（r=0.74），由此计算得出的 R2为 0.55，这意味着约 55% 通过 RHC 测量的 PCWP 变化，能够通过非侵入性传感器结合机器学习算法检测出来。模型预测值与金标准测量值的平均差异为 1.04±5.57 mmHg。通过布兰德 - 奥特曼（Bland–Altman）图分析得到的一致性界限，上限为 11.9 mmHg，下限为 - 9.9 mmHg。虽然样本量有限，无法进行严格的统计学探究，但研究结果在不同感兴趣的亚组人群中表现较为稳定。
研究意义与未来方向
总体而言，该研究表明，在临床环境中，通过非侵入性传感器估计的 PCWP 与 RHC 测量的金标准 PCWP 之间存在中度相关性。值得注意的是，这种相关性和误差范围与植入式肺动脉传感器预测肺动脉舒张压的性能相当。
此研究在探索利用非侵入性血流动力学指导 HF 患者管理、改善心血管结局的道路上迈出了重要一步。鉴于该设备的理想应用场景是类似植入式肺动脉压力传感器的远程监测环境，因此需要在医院之外的场景评估其性能。而且，尽管本次研究仅针对 HFrEF 患者，但 HFpEF 患者至少占 HF 患者总数的 50%，且预后同样不佳。若能证明该技术在 HFpEF 患者中也有效，将为患者和临床医生带来巨大益处。最后，还需明确该技术能否在规范性指导下应用，从而对个体患者的医疗管理产生实际影响。否则，这项技术可能会像许多其他基于人工智能的技术一样，虽在理论上表现出色，但在临床实践中却难以发挥实际作用。
