由人工智能算法对患者急性ST段抬高型心肌梗死心电图进行判读，相比心血管医生更为精准、优势更为明显，从而能实现对急性ST段抬高型心肌梗死的自动预警。未来可将该算法嵌入可穿戴心电监测设备，实现急性心肌梗死的院前预警。

近日，同济大学附属第十人民医院心脏中心徐亚伟教授团队研发的全球首个基于可穿戴12导联心电可穿戴设备和人工智能预警软件的急性心肌梗死预警系统再次受到国际关注，人工智能心电预警算法验证性论文发表于《国际心脏病学杂志》。美国加州洛杉矶分校UCLA著名急诊心血管病专家Ivan Rokos教授配发了同刊评论。

此前，该人工智能预警系统曾于2019年分别登陆法国巴黎欧洲心脏病年会和以色列特拉维夫的世界心血管创新大会，作为国际上第一个基于可穿戴心电监测设备+人工智能算法的心肌梗死预警系统，引起了国际心血管界的高度关注。2020年，《利用人工智能结合12导联心电图实现ST段抬高型心肌梗死的早期识别》获东方心脏病学会优秀论文“一等奖”。

在我国，心血管疾病引起的死亡占成人全因死亡构成比的44%，而急性心肌梗死是临床上最危重的心血管疾病，死亡率高达5至7%。与其他危重症不同，心梗患者越早得到救治，生存率越高。因此，缩短患者救治时间，是急性心梗治疗的关键。然而，目前国内外对于心梗患者就诊延迟问题，仍然没有有效的解决方案。

为此，徐亚伟团队与移视网络科技公司在“十三五”科技部重点研发项目的支持下开展了此项研究，旨在研究通过普通12导联心电图构建可自动判读急性ST段抬高型心肌梗死(STEMI)的人工智能算法。研究团队首先收集来自同济大学附属第十人民医院及长海医院1802例心电图疑似ST段抬高型心肌梗死的心电图，并通过“金标准”——冠状动脉造影进行心电图筛选，最终筛选出667例具有明确“罪犯”血管的ST段抬高型心肌梗死心电图，同时匹配了7571例正常及存在其他类型异常心律的心电图作为对照组。接着，移视科技通过Res-net人工智能算法构建了ST段抬高型心肌梗死的人工智能判读算法。内部测试、外部验证显示，此研究构建的算法敏感性达到96.8%，特异性达到了99.2%。

为了进一步研究其临床适用性，团队还进一步开展了人机心电图判读比赛，将50张急性ST段抬高型心肌梗死心电图及50张非急性ST段抬高型心肌梗死心电图分别由本算法及15位不同年资的心血管医生进行判读。结果显示，本算法的敏感性及特异性分别为90%及98%，而医生判读的敏感性及特异性仅71%及89%。尤其是在一些ST段抬高相对不明显的患者中，人工智能算法的优势更加明显。这一结果对急性ST段抬高型心肌梗死的自动预警提供了重要的软件支持，未来将该算法嵌入可穿戴心电监测设备是急性心肌梗死院前预警非常有前途的方案。

在同期的评论中，Ivan教授认为此研究主要有六大创新点：文中的急性ST段抬高型心肌梗死心电图均由血管造影验证，保证了所有心电图都是“真正的”急性ST段抬高型心肌梗死心电图；心电图数据均为原始数据，而非PDF图像，保证了数据质量；在对照组中添加了一些临床上可能出现“ST段抬高”的非心肌梗死心电图；数据中的基线资料与真实世界类似；数据中所涉及的心梗犯罪血管比例与真实世界类似；研究从102种训练模型中选择了最适合的模型进行了后续的外部验证。

此外，Ivan教授认为，既往的人工智能相关医学研究往往需要巨大的样本量。但本研究通过“数据放大”技术利用较小的样本量达到了类似的效果，值得未来相关领域研究借鉴。他希望本课题设计的算法能尽快在其他数据库及临床中得到验证，从而加速“上海方案”向临床推进。他特别指出，基于AI的急性ST段抬高型心肌梗死诊断系统有望改变全球的急性ST段抬高型心肌梗死诊疗体系，而此研究提出的“上海方案”无疑为实现这一目标跨出了坚实的一步。

据悉，徐亚伟教授团队深耕信息化心梗救治领域10余年，旨在通过信息化手段解决我国心梗患者的救治延迟问题。附属十院心脏中心多年来联合多家知名高科技公司共同建立了一套集合可穿戴设备、人工智能软件和物联网技术的人工智能心肌梗死信息化救治系统。该系统的目标是在院前、院中及院间通过信息化体系优化急性心肌梗死的整个救治链，从而缩短患者的呼救时间、抢救时间，缩短患者的住院时间，最终降低患者的死亡率。