《Diagnostics》：Artificial Intelligence-Enabled Electrocardiography Model for Left Ventricular Systolic and Diastolic Dysfunction Predict Incident Atrial Fibrillation in Patients with Sinus Rhythm: A Time-Dependent Analysis
编辑推荐：
背景/目的：人工智能赋能心电图（AI-ECG）可从标准12导联心电图中推断左心室收缩功能障碍（LVSD）与左心室舒张功能障碍（LVDD）。上述结构性AI-ECG评分能否预测窦性心律患者的新发心房颤动（AF），以及其预测价值随时间如何变化尚不清楚。方法：在一项回
背景/目的：人工智能赋能心电图（AI-ECG）可从标准12导联心电图中推断左心室收缩功能障碍（LVSD）与左心室舒张功能障碍（LVDD）。上述结构性AI-ECG评分能否预测窦性心律患者的新发心房颤动（AF），以及其预测价值随时间如何变化尚不清楚。方法：在一项回顾性单中心窦性心律基线心电图队列中，研究人员导出AI-ECG的LVSD与LVDD评分，并按预设切点二分类（LVSD ≥ 9.7；LVDD ≥ 20.8）。结局为新发AF，评估时间为30、90、180、270和365天。区分度由AUROC量化。由于比例风险假设被违反，联合LVSD × LVDD分类的风险时间过程采用窗口特异性Cox、Aalen加性风险与限制平均生存时间分析刻画。结果：在19,593份基线心电图、18,984例患者中，1190例（6.07%）在1年内出现新发AF。1年发生率从4.1%（两者均阴性）升至9.8%（仅LVSD阳性）、20.1%（仅LVDD阳性）和19.9%（两者均阳性）。区分度对早期事件最高并随时间衰减，LVSD更陡（AUROC 0.803至0.713），LVDD更持久（0.817至0.764）。联合模型中，双阳性的超额风险集中于基线心电图后前几周，并在累积Cox、Aalen加性风险与限制平均生存时间分析中于1年时与孤立LVDD阳性趋同。结论：单次窦性心律心电图得出的结构性AI-ECG的LVSD与LVDD评分可随时间依赖方式预测新发AF，采集后短期内性能最强，LVDD区分度更持久。单次AI-ECG可帮助定向短期AF监测，尤其在合并收缩-舒张功能障碍患者中。
研究背景方面，心房颤动（AF）是最常见心律失常，也是卒中、心力衰竭与死亡的重要原因。相当比例AF在血栓栓塞事件后才被诊断，因此在窦性心律阶段识别高危患者有助于更早监测和预防。既有临床评分主要反映人口学特征与合并症负担，不能直接反映AF发生前的房性与室性基质。深度学习可从窦性心律12导联心电图（ECG）中识别细微电生理信号以预测新发AF，而AI-ECG也可检测左心室收缩功能障碍（LVSD）与左心室舒张功能障碍（LVDD）等结构性心脏病改变。结构性心脏病与心房重构及AF电解剖基质形成存在机制联系，但面向结构性心脏病的AI-ECG模型能否预测新发AF尚未充分确立。研究人员因此假设，LVSD与LVDD的AI-ECG模型可作为新发AF的预测因子，并评价其阳性结果是否关联后续AF。
该论文发表于《Diagnostics》。研究人员开展的是回顾性单中心队列研究：纳入2021至2024年成年患者，要求基线为窦性心律、无既往AF诊断，且在研究期内至少有两次12导联ECG以便链接随访；排除仅单次ECG、起搏心律、近期心脏手术、全部ECG均为AF、诊断与心电图节律不一致者。AF组可使用多次合格窦性心律ECG作为基线心电图，对照组使用最早一份合格ECG。最终分析含19,593份窦性心律基线ECG，其中581例患者在1年内发生AF，对应1190份基线ECG，对照组为18,403例患者。研究人员应用已获软件即医疗器械（SaMD）批准的AI-ECG模型：AiTiA LVSD版本2.00.00用于检测左室射血分数≤40%的LVSD，切点LVSD ≥ 9.7；AiTiA LVDD版本1.00.00用于检测超声下升高E/e′所反映的LVDD，切点LVDD ≥ 20.8。结局为新发AF，即随访365天内12导联ECG记录到AF且电子健康档案有ICD-10 I48诊断，房扑按AF处理。
主要技术方法上，研究人员使用单中心2021至2024年12导联ECG与电子健康档案数据，采用预设AI-ECG切点做二分类，并以连续评分做主要区分度分析。区分度用AUROC与评价DeLong检验；因联合四组分类违反比例风险假设，改用窗口Cox、Aalen加性风险模型和限制平均生存时间（RMST）刻画时间依赖风险；以CHA?DS?-VASc作为临床基准，做增量AUROC、类别自由净重新分类改善（NRI）与综合判别改善（IDI）；还做7天与14天空白期敏感性分析、按患者聚类的单基线ECG敏感性分析、样条剂量反应分析和亚组分析。
研究结果如下。参与者入组：72,854例患者经排除后，最终分析为19,593份窦性心律基线ECG，581例发生1年内新发AF。参与者特征：新发AF者更老、男性更多、合并高血压、心力衰竭、糖尿病、冠心病、慢性肾病与脑血管病更重，CHA?DS?-VASc中位数更高；基线ECG心率更慢、PR更长、QRS更宽、QTc更长；AI-ECG两项评分均显著更高。AF发生率按AI-ECG LVSD与LVDD评分区间展示：AF风险主要沿LVDD轴单调上升，30天从0.5%升至15.7%，1年从3.2%升至33.3%；LVSD轴梯度较弱且不单调。AI-ECG评分不同随访时长区分度：LVSD的AUROC由30天0.803降至365天0.713；LVDD由0.817降至0.764，LVDD衰减更小，长期区分度更优。CHA?DS?-VASc之上的增量价值：CHA?DS?-VASc单独30天AUROC 0.774、1年0.746；加入LVDD后30天0.834、1年0.783，NRI与IDI显著改善；加入LVSD也有增量但事件层重新分类接近无效；两模型同加并不优于CHA?DS?-VASc加LVDD，说明LVDD承载主要增量信息。按切点分组累积发生率与风险：LVSD阳性1年16.1%对阴性5.4%；LVDD阳性20.0%对阴性4.3%；联合四组中双阳性19.9%、仅LVDD阳性20.1%、仅LVSD阳性9.8%、均阴性4.1%。时间依赖性分析：窗口Cox显示双阳性30天HR 12.75，365天降至约5.42并与仅LVDD阳性5.35趋同；Aalen模型显示双阳性额外累积风险在前2至3周最陡，1年累积超额风险约0.18，仅LVDD阳性相近，仅LVSD阳性仅约0.06；RMST显示相对均阴性组，双阳性、仅LVDD阳性、仅LVSD阳性1年分别损失43.9、37.6、16.8个无AF天数。连续AI-ECG评分剂量反应：30天关联强于1年；LVSD 30天HR约3.5后平台，1年非单调且在高分处不精确；LVDD在两个时点均梯度单调，30天HR约2.7，1年约1.3。敏感性分析：排除7天或14天事件后，两评分仍显著，LVSD衰减更明显；按患者取单份ECG时LVDD的AUROC仍不劣于ECG级结果，LVSD略低，说明ECG级可能轻微高估LVSD区分度。亚组分析：各亚组LVDD均优于LVSD；女性、年龄<60岁区分度更高；年龄对两评分、性别对LVDD的交互显著；已有充血性心力衰竭者评分压缩，AUROC下降，但LVDD仍区分绝对风险。
讨论部分总结：研究人员指出，结构性AI-ECG模型虽以LVSD和LVDD为开发目标，却能预测新发AF，其中LVDD评分长期区分度更好，机制上对应左室充盈压升高导致左房压力、牵张、纤维化和电重构。LVDD在CHA?DS?-VASc之外提供临床前房性基质信息；LVSD更多反映近term风险和向下重新分类非事件。双阳性短期风险最高，但1年与孤立LVDD阳性趋同，因此联合模型适合标记 imminent risk，1年AF预测主要由LVDD贡献。该研究为回顾性、单中心、依赖临床ECG和诊断，存在检出偏倚、残杂混淆、未建模竞争风险、切点非AF优化等局限；结果支持用单次AI-ECG定向短期监测，但需前瞻外部验证。
结论部分翻译：来自单次窦性心律心电图的结构性AI-ECG的LVSD与LVDD评分以时间依赖方式预测新发AF，在采集后不久性能最强，LVDD的区分度更持久。单次AI-ECG可帮助靶向短期AF监测，尤其在合并收缩-舒张功能障碍患者中。这些发现应在临床采用前通过前瞻性、外部验证研究确认。
