《Bioengineering》：A Fast and Generalizable Deep Neural Network for the Detection of Atrial Fibrillation
编辑推荐：
心房颤动（atrial fibrillation, AFib）是最常见的持续性心律失常，然而大多数深度学习检测器仅在单一队列上得到验证，且很少报告不确定性。研究人员开发了一个紧凑的1400万（14M）参数卷积神经网络（convolutional neural
心房颤动（atrial fibrillation, AFib）是最常见的持续性心律失常，然而大多数深度学习检测器仅在单一队列上得到验证，且很少报告不确定性。研究人员开发了一个紧凑的1400万（14M）参数卷积神经网络（convolutional neural network, CNN），用于从10秒（s）、12导联、500赫兹（Hz）的心电图（electrocardiogram, ECG）中进行二分类AFib检测。该网络仅使用HDXML数据集（67,432条ECG；其中9,628例AFib）训练，并采用即时数据增强处理噪声、漂移和缺失导联。使用一个未经改变的检查点，研究人员评估了六个独立来源的公共队列，总计超过125万条记录，包括MIMIC-IV重症监护数据和两个动态Holter队列。所有指标均通过聚类自助法（cluster bootstrap）在患者、记录或受试者水平上计算95%置信区间（confidence interval, CI）报告。ROC–AUC在每个队列中均超过0.95，从CODE-15的0.960（95% CI 0.956–0.963）到SPH的0.999（0.998–0.999），包括MIMIC-IV的0.966（0.965–0.967）——对应75.3%的敏感性和97.7%的特异性，CPSC 2021的0.963（0.929–0.987），以及MIT-BIH的0.995（0.988–0.999）。在无需重新训练的情况下，性能在逐步导联掩蔽下保持稳定；在无GPU的服务器级CPU上，每段的中位推理时间为110毫秒（ms）。因此，在一个经过整理的来源上训练的紧凑网络能够跨医院、国家和记录硬件进行泛化。本研究为回顾性研究；临床使用前需进行前瞻性验证。
心房颤动（atrial fibrillation, AFib）是最常见的持续性心律失常，影响全球超过3350万人，并与卒中、心力衰竭和死亡风险显著相关。尽管深度学习检测器已有诸多研究，但多数仅在单一队列上验证，且很少报告不确定性，限制了其临床可信度。此外，现有模型往往规模较大，推理成本高，难以部署于床旁或可穿戴设备。因此，开发一个快速、可泛化且计算高效的AFib检测网络具有重要临床意义。
研究人员开展了一项多队列外部验证研究：开发了一个仅含1400万（14M）参数的卷积神经网络（convolutional neural network, CNN），用于从10秒（s）、12导联、500赫兹（Hz）心电图（electrocardiogram, ECG）中进行二分类AFib检测。该网络仅在一个经过精心整理的HDXML数据集（67,432条ECG；其中9,628例AFib）上训练，并使用即时数据增强模拟噪声、漂移和缺失导联。随后，在六个独立来源的公共队列（MIMIC-IV重症监护、CODE-15、CPSC 2021、PhysioNet/CinC 2021、SPH和MIT-BIH心律失常数据库）上评估，总计超过125万条记录，所有评估均使用同一未调整的检查点。主要结论为：模型在所有队列上均取得优于0.95的受试者工作特征曲线下面积（ROC–AUC），且无需重新训练，证明单一优质训练源足以支持跨医院、国家和硬件平台的泛化。同时，该模型在无GPU的服务器级CPU上中位推理时间仅为110毫秒（ms），具备实时应用潜力。
关键技术方法包括：使用嵌入网络（包含残差路径和密集连接路径的1维卷积块）与挤压激励（squeeze-and-excitation, SE）通道注意力提取多尺度特征；采用多尺度特征融合（并行1、3、5核卷积）和全局上下文提取；分类头由多层线性层组成并加入dropout。训练采用AdamW优化器、余弦退火学习率调度和类别加权损失（正类权重按平方根缩放）。数据增强包括时间变换、形态学噪声、导联扰动、频谱平滑和空间掩蔽。统计上使用聚类自助法（cluster bootstrap）在患者、记录或受试者层面计算95%置信区间（confidence interval, CI）。样本队列来源：训练队列为HDXML；外部验证队列包括MIMIC-IV、CODE-15、CPSC 2021、PhysioNet/CinC 2021、SPH和MIT-BIH。
研究结果如下：
3.1 次要实验：研究人员先行测试了多数据集联合训练、P波掩码增强训练和基于向量心电图（vectorcardiogram, VCG）的Kors变换训练三种方案，但均未优于仅HDXML训练的模型，故后续采用单一来源训练方案。
3.2 仅HDXML训练：跨数据集泛化：在六个外部队列上，ROC–AUC从CODE-15的0.960（95% CI 0.956–0.963）到SPH的0.999（0.998–0.999），其中包括MIMIC-IV的0.966（0.965–0.967）以及动态Holter队列CPSC 2021的0.963（0.929–0.987）和MIT-BIH的0.995（0.988–0.999），表明单一训练源可有效转移到异质外部数据。
3.3 显著性图分析：通过遮挡敏感性图对代表性记录进行可视化，发现模型的注意力在非AFib记录中集中于规律的QRS波群及间期，而在AFib记录中则弥散分布于R峰之间（P波消失区域），与AFib的临床诊断标准一致。
3.4 输入扰动的因果证据：为验证因果依赖，研究人员系统遮挡P波、QRS波和T波区间。遮挡P波区间使ROC–AUC下降0.268，QRS波遮挡下降0.250，而时长匹配的随机对照仅下降0.014，证明模型决策确实依赖于P波缺失和RR间期不齐这两个特征。基于集成梯度的删除曲线也显示，按归因排序删除时间点造成的性能下降远大于随机顺序。
3.5 与紧凑架构的比较：为检验架构特异性，研究人员在相同协议下训练了SqueezeNet、MobileNet和窄ResNet的一维版本，结果显示所有架构在六个队列上均达到可比的判别性能，说明泛化能力源于训练数据与协议而非特定网络结构。
3.6 概率校准与阈值敏感性：模型在五个外部队列中校准良好（平均预测概率与经验患病率接近，Brier分数0.004–0.077），但MIT-BIH出现过自信（预期校准误差0.108）。阈值扫描显示在0.5附近F1曲线平坦，说明默认决策边界合理。
3.7 组件消融：通过从零训练十个消融变体发现，12导联输入下多数组件对判别性能影响很小（ΔROC–AUC <0.0044），但移除密集特征提取栈会造成明确损失（PhysioNet/CinC 2021上差0.0159）。挤压激励模块在12导联时无显著效果，但当导联数减少时（特别是仅剩单导联）其贡献明显上升。
3.8 PhysioNet/CinC 2021中Ningbo子集的标签编码：Ningbo数据库将7,615条记录标注为房扑而未标注房颤，这在临床中不合理。模型在这些记录上的预测概率与已确认AFib相似，表明标签可能误放。研究人员采用保守策略排除6,073条疑似房扑记录，并验证四种处理策略下结论不变。
3.9 误差结构与预测值：误差呈不对称且依赖队列：CODE-15上特异性高（99.3%）但敏感性低（58.3%）；MIT-BIH上敏感性极高（99.2%）但特异性稍低（89.7%）。将预测值标准化到固定参考患病率后显示，在低患病率筛查场景中，特异性较敏感性更决定阳性预测值。
3.10 变导联评估：在PhysioNet/CinC 2021上使用固定检查点进行随机导联掩蔽（保留9、6、2导联），ROC–AUC随导联减少仅小幅下降（从0.9780降至0.962±0.001），多数配置在预设0.02非劣效界值下非劣。固定解剖子集中，胸前导联和肢体导联均非劣于全导联；单导联中Lead II最强（ROC–AUC 0.9681），为唯一非劣效的单导联。
讨论部分总结了四项主要贡献：第一，跨站点外部有效性，在六个独立未见队列上的表现优于既往仅报告单一外部测试的研究（例如ECG-AI在MIMIC-IV上ROC–AUC为0.77，本研究为0.966）。第二，协变量偏移下的高特异性，所有队列特异性≥90%，CODE-15达99.3%，有助于减少临床误报警。第三，对导联缺失的鲁棒性，无需重新训练即可适应可穿戴和低通道监测场景。第四，超过实时推理速度的CPU运算效率，中位延迟110 ms/段，内存占用658 MB。研究人员同时指出局限性，包括CODE-15上的敏感性下降、变导联实验仅基于单队列、MIT-BIH仅7例AFib患者导致置信区间较宽、以及各架构仅训练一次限制了对架构差异的判断。
研究结论为：研究人员提出一个紧凑的14M参数CNN用于12导联ECG的AFib检测。仅使用单一精心整理的HDXML训练源，模型在六个独立外部测试集上均达到ROC–AUC>0.95，特异性≥90%，且计算效率允许在无GPU的服务器级CPU上实时运行。输入扰动实验表明其决策与AFib的临床诊断标准（P波缺失和RR不齐）因果对齐。这些发现证明，一个良好整理的训练源足以构建跨医院、设备和人群泛化的检测器。未来的必要步骤是在预期医疗场景中进行前瞻性验证，以确证临床实用性。
