基于可穿戴传感与人工智能的无创肺动脉楔压评估技术为心衰患者管理带来新突破

针对心衰患者有创肺动脉压监测临床应用受限的问题，研究人员通过CardioTag可穿戴设备同步采集心电图(ECG)、心震图(SCG)和光电容积图(PPG)信号，开发机器学习(ML)模型实现无创肺动脉楔压(PCWP)估算。在310例HFrEF患者中验证显示误差仅1.04±5.57 mm Hg，AUC达0.90，为血流动力学指导的心衰管理提供了更可及的解决方案。

　　

心衰是全球范围内导致住院和死亡的主要原因之一，其中血流动力学淤积是病情恶化的关键驱动因素。传统通过植入式肺动脉压传感器进行监测的方法虽能减少心衰住院，但其有创性、高成本和保险覆盖限制阻碍了临床普及。更棘手的是，血流动力学淤积往往比临床症状出现早数周，若能实现无创、准确的肺动脉楔压(PCWP)监测，将为心衰管理带来革命性改变。

针对这一临床痛点，Cardiosense公司的研究团队在《JACC: Heart Failure》发表了突破性研究。他们开发了名为CardioTag的胸骨佩戴式传感设备，通过同步采集心电图(ECG)、三维心震图(SCG)和六通道光电容积图(PPG)信号，结合创新机器学习算法，首次实现了HFrEF患者无创PCWP绝对值测量。这项名为SEISMIC-HF I的多中心前瞻性研究纳入310例左室射血分数≤40%的患者，通过与右心导管(RHC)金标准对比验证，模型在测试集表现误差仅1.04±5.57 mm Hg，对PCWP≥18 mm Hg的识别AUC达0.90，性能媲美植入式设备。

关键技术方法包括：1) 采用CardioTag设备同步采集ECG、SCG和PPG信号；2) 通过核心实验室盲法判读RHC波形获取标准PCWP值；3) 开发包含图像转换和语言模型的双通道ML架构；4) 对310例HFrEF患者进行分层80/20数据集划分；5) 采用Bland-Altman分析评估模型一致性。

研究结果
背景
研究证实远程血流动力学监测可降低心衰住院率，但现有技术存在侵入性限制。团队提出结合可穿戴传感与ML的无创PCWP估算方案。

方法
在15个中心招募310例HFrEF患者，使用CardioTag同步记录ECG、SCG、PPG信号与RHC数据。采用双盲核心实验室判读PCWP值作为金标准，开发包含信号质量评估和集成学习的ML模型。

结果
患者平均PCWP为18.1±9.45 mm Hg。模型在测试集(n=47)表现误差1.04±5.57 mm Hg，一致性界限(-9.9至11.9 mm Hg)。对PCWP≥18 mm Hg的分类AUC 0.90，敏感度0.85，特异度0.89。亚组分析显示性能不受性别、种族或BMI影响。

讨论
该研究首次实现从非侵入信号直接估算PCWP绝对值，其精度与CardioMEMS等植入设备相当。创新性地融合SCG(记录心脏收缩产生的胸壁振动)与多波长PPG信号，克服了传统光学技术对深色皮肤的测量偏差。值得注意的是，模型在房颤患者中仍保持稳定性能(误差1.07±5.92 mm Hg)，且89%的数据质量合格率满足临床实用性需求。

结论部分强调，这项技术突破为血流动力学指导的心衰管理提供了可扩展解决方案，使常规PCWP监测成为可能。相比现有技术，其优势在于：1) 完全无创，避免植入相关风险；2) 成本效益显著；3) 适用于多样化人群；4) 支持连续监测趋势分析。未来研究将扩展至HFpEF患者，并通过实用性研究验证其对临床结局的改善作用。这项发表在心血管顶级期刊的成果，标志着心衰管理向数字化、个性化迈出关键一步。