11643例儿童心血管疾病诊断的ECG数据库：填补儿科深度学习与精准医疗的数据鸿沟

本研究针对儿科心血管疾病诊断缺乏高质量ECG数据的难题，由郑州大学团队构建了全球最大开源儿童心电图数据集（ZZU pECG dataset），涵盖11643名0-14岁患儿14190条ECG记录（含3516条心血管疾病标签），采用500Hz采样率与AHA/ACC/HRS标准编码，首次实现中国儿童ECG诊断标准（CHN标准）与ICD-10疾病标签的系统整合，为儿科心血管AI模型开发奠定数据基石。

　　

心血管疾病是全球头号健康杀手，世界心脏联盟2024年报告显示其死亡率高居榜首。更令人警惕的是，大量研究表明心血管疾病的种子早在儿童时期就已埋下。心电图（ECG）作为临床最常用的无创诊断工具，在心血管疾病筛查中具有不可替代的价值。然而当前ECG研究存在两大痛点：现有数据集几乎全部聚焦成人群体，且多数缺乏疾病诊断标签。这种数据鸿沟严重阻碍了人工智能在儿科心血管领域的应用——毕竟儿童与成人的ECG特征存在显著差异，从心率、波形到常见病种都截然不同。

面对这一挑战，郑州大学附属第一医院联合东南大学的研究团队在《Scientific Data》发表了突破性成果。他们历时6年（2018-2024）收集了11643名住院儿童的14190份ECG记录，构建了目前全球最大规模的儿科ECG开源数据库（ZZU pECG dataset）。这项研究不仅填补了儿科ECG数据的空白，更创新性地整合了心血管疾病诊断标签，为AI驱动的新型诊断工具开发提供了黄金标准。

研究团队采用多学科协作的技术路线：通过医院信息系统（HIS）与MedEx MECG-300设备采集原始数据，严格遵循伦理审查（批号2024-KY-0221-003）；针对儿童特殊生理特点，独创9导联（7岁以下）与12导联（7岁以上）双轨采集方案；运用功率谱分布指数（pSQI）、基线漂移指数（basSQI）和搏动检测指数（bSQI）三重质量评估体系；创新性实现AHA标准与中国特色CHN标准的双编码转换，并基于ICD-10完成19类心血管疾病的系统标注。

背景与摘要揭示的核心发现是：该数据集包含6740名男童和4903名女童的记录，采样率500Hz，时长5-120秒，其中3516条记录标注有心肌炎、心肌病、先天性心脏病等典型儿科心血管疾病。与MIT-BIH、PTB-XL等知名成人数据集相比，其儿科样本量超现有资源总和（PTB-XL仅含41例0-14岁数据）。

方法学创新体现在三方面：一是年龄精确到天数的计算体系，解决了传统住院年龄的误差问题；二是首创基于临床共识的9导联兼容方案，克服幼儿胸壁发育不全的采集难题；三是建立动态住院期ECG-疾病关联规则，保留治疗过程中ECG演变的真实轨迹。

数据记录部分显示：92.91%记录集中在20-40秒最佳采集区间，13.97%含多重心血管标签（如先天性心脏病合并心肌炎）。图1-3揭示年龄性别分布特征——先天性心脏病在1岁以下婴儿中占比最高（1062例室间隔缺损），而川崎病高发于3-5岁组（194例）。

技术验证通过信号质量指数证明数据可靠性：pSQI在5-15Hz频段达标率81.2%，basSQI>0.9的优质记录占89.7%，bSQI>90%的搏动检测准确率达76.4%。表4-8详细统计了疾病共现率（64.9%记录含≥2种疾病标签）与ECG特征组合模式（49.8%含≥2项诊断陈述）。

这项研究的里程碑意义在于：首次建立儿科心血管疾病与ECG特征的标准化映射关系，突破西方AHA标准在中国儿童中的适用性局限。数据集已通过figshare开源（DOI:10.6084/m9.figshare.27078763），配套提供WFDB格式读取工具与质量评估代码。正如通讯作者Wang Zongmin强调的，该资源将加速三大方向研究：儿童特异性ECG解析算法开发、罕见病早期筛查模型训练、以及东西方儿童心血管差异的跨种群研究。未来团队计划纳入动态ECG与治疗随访数据，进一步丰富这个活体数据库的临床价值。