智能穿戴設(shè)備在心房顫動檢測中的應(yīng)用價值

［摘要］ 目的 評估智能穿戴設(shè)備識別心房顫動（簡稱房顫）的敏感性、特異性和準確性。方法 選取行24 h動態(tài)心電圖監(jiān)測的患者410例，同期佩戴智能穿戴設(shè)備。比較兩種檢查方法下房顫檢出率的一致性，并評估智能穿戴設(shè)備識別房顫的敏感性、特異性及準確性。結(jié)果 智能穿戴設(shè)備檢測房顫的敏感性為99.31%、特異性為81.48%，準確性為95.41%，K值為0.83，與動態(tài)心電圖在房顫檢出率方面具有較強的一致性。結(jié)論 智能穿戴設(shè)備使用方便，患者依從性高，對房顫的自動識別準確性較高，更利于推動房顫篩查的家庭化、日?；?/p>

［關(guān)鍵詞］ 心房顫動；可穿戴設(shè)備；動態(tài)心電圖；光電容積描記技術(shù)；人工智能；一致性檢驗

［中圖分類號］ R540.41

［文獻標志碼］ A

［文章編號］ 2095-9354（2024）03-0243-07

DOI： 10.13308/j.issn.2095-9354.2024.03.005

［引用格式］ 余莎莎，劉曼，劉鳴. 智能穿戴設(shè)備在心房顫動檢測中的應(yīng)用價值［J］. 實用心電學(xué)雜志， 2024， 33（3）： 243-249.

Application value of smart wearable devices in detection of atrial fibrillation YU Shasha1， LIU Man2， LIU Ming1 （1. Department of Cardiac Function， Wuhan Asia Heart Hospital Affiliated to Wuhan University of Science and Technology， Wuhan Hubei 430022; 2. Guangdong OPPO Mobile Telecommunications Co.， Ltd.， Shenzhen Guangdong 518000，China）

［Abstract］ Objective To evaluate the sensitivity， specificity and accuracy of smart wearable devices in identifying atrial fibrillation （AF）. Methods We selected 410 patients who had undergone 24-hour ambulatory electrocardiography （AECG） monitoring; they wore smart wearable devices during the same period. A comparison was made between the consistency of the two examination methods for detecting AF; the sensitivity， specificity and accuracy of smart wearable devices were assessed. Results With a sensitivity of 99.31%， specificity of 81.48%， accuracy rate of 95.41%， and a Kappa value of 0.83， smart wearable devices showed a relatively strong consistency with AECG monitoring in the detection rate of AF. Conclusion Smart wearable devices are convenient to use with high compliance of patients. They are highly accurate in automatically detecting AF， which facilitates promoting daily and family-based AF screening.

［Key words］ atrial fibrillation; wearable device; ambulatory electrocardiography; photoplethysmography; artificial intelligence; consistency check

心房顫動（簡稱房顫）是常見的心律失常，可增加腦卒中、心力衰竭、癡呆和死亡的風險，其發(fā)病率和患病率均很高，但患者常常沒有癥狀。合理篩查和早期診斷是及時干預(yù)的前提。目前房顫的篩查策略包括機會性篩查（全科醫(yī)師對社區(qū)就診患者通過脈搏觸診或心電圖檢查進行房顫篩查）和系統(tǒng)性篩查（通過定期或連續(xù)心電監(jiān)測進行系統(tǒng)而詳細的房顫篩查）；篩查方式包括常規(guī)心電圖、動態(tài)心電圖、可植入電子設(shè)備、心臟電生理檢查等［1］，但常常存在“檢測時未發(fā)病、發(fā)病時未檢測”、敏感性低、無法長時間監(jiān)測、價格較高等局限性［2］。隨著移動醫(yī)療和智能設(shè)備的普及應(yīng)用，房顫的風險預(yù)測和篩查診斷取得了一系列進展，可穿戴智能設(shè)備監(jiān)測的應(yīng)用使房顫篩查實現(xiàn)了長時間持續(xù)監(jiān)測，更實現(xiàn)了檢查人群擴大化、檢查方式日?；?、檢查地點家庭化［3-4］。本研究通過將智能穿戴設(shè)備（OPPO Watch）獲得的結(jié)果與24 h動態(tài)心電圖的結(jié)果進行比較，來評估智能穿戴設(shè)備對房顫檢測的準確性。

1 資料與方法

1.1 研究對象

選取2021年2月至2022年9月在武漢科技大學(xué)附屬武漢亞洲心臟病醫(yī)院就診的有房顫（包括陣發(fā)性和持續(xù)性房顫）病史或主訴心慌不適的410例患者。在納入房顫患者以驗證智能穿戴設(shè)備準確性的同時，也納入一定數(shù)量的非房顫患者，主要為了明確其陰性預(yù)測價值和對其他房性心律失常的識別準確性。在入選的410例患者中，男216例（52.7%）、女194例（47.3%），年齡32～88（59.46±13.24）歲。

入選標準：① 同意參與本臨床研究；② 有房顫（包括陣發(fā)性和持續(xù)性房顫）病史或主訴有心慌不適。排除標準：① 有惡性心律失常；② 手腕測試部位皮膚有損傷或皮膚病；③ 患有精神病、癲癇或其他疾病，導(dǎo)致身體不自主運動；④ 無法配合及嚴格執(zhí)行方案。本研究取得醫(yī)院倫理委員會的批準（審批號：2022-YXKY-P012），所有受試者均簽署知情同意書?；颊呋€資料見表1。

1.2 數(shù)據(jù)采集

入組患者行24 h動態(tài)心電圖檢查，同期手腕佩戴OPPO Watch，利用光電容積描記法（photoplethysmography，PPG）持續(xù)采集信號。24 h后結(jié)束動態(tài)心電圖檢查，并取下OPPO Watch。

1.3 數(shù)據(jù)分析

1.3.1 動態(tài)心電圖數(shù)據(jù) 由心電學(xué)專家對410例受試者的動態(tài)心電圖進行診斷（對照組），將結(jié)果記錄至病例報告表中。由至少兩名心電學(xué)專家通過分析12導(dǎo)聯(lián)動態(tài)心電圖的心電圖及散點圖特征（P波消失，代之以大小、形態(tài)及時限均不規(guī)則的顫動波，RR間期絕對不規(guī)則，Lorenz-RR散點圖呈扇形分布）診斷房顫［5-6］，并以動態(tài)心電圖診斷結(jié)果作為心律失常診斷的金標準。

1.3.2 智能穿戴設(shè)備數(shù)據(jù) 由算法工程師導(dǎo)出OPPO Watch采集的數(shù)據(jù)，提取PPG信號片段，即通過光學(xué)傳感器的采集獲得腕部的容積脈搏血流變化信號，將其轉(zhuǎn)換成電信號并進行算法評估，從而得出相應(yīng)的心率數(shù)據(jù)。OPPO Watch首先將提取到的脈搏血流變化信號按照1 min的數(shù)據(jù)段進行信號質(zhì)量分析及濾波預(yù)處理，并根據(jù)同步采集的加速度傳感器信號（ACC信號）排除不適合分析的數(shù)據(jù)段。然后對非干擾段的信號進行信號峰檢測，根據(jù)脈搏峰的特性進行置信度分析，獲取高置信度信號峰的間期值，計算1 min內(nèi)有效間期的統(tǒng)計參數(shù)，如RR間期差異的均方根及熵值，將其輸入神經(jīng)網(wǎng)絡(luò)進行節(jié)律分類。每個1 min的片段可能被標記為以下幾種結(jié)果：干擾段、可疑房顫段、可疑不規(guī)則段及正常段。當連續(xù)5次的1 min片段出現(xiàn)可疑房顫片段，或者在30 min內(nèi)可疑房顫片段及可疑不規(guī)則片段占比達到50%這一閾值時，此病例被算法診斷為房顫。通過算法自動判讀得出結(jié)果作為試驗組（圖1），最終分為房顫、非房顫［包括竇性心動過速、竇性心動過緩、竇性心律不齊、房性早搏（簡稱房早）、室性早搏、陣發(fā)性房性心動過速（簡稱房速）等］、無法判讀三類。見圖2。

1.3.3 金標準（動態(tài)心電圖診斷的心律失常結(jié)果）對照金標準計算試驗組自動診斷房顫的敏感性、特異性及準確性。對比試驗組與對照組房顫檢測的一致性。

1.4 統(tǒng)計學(xué)處理

使用SPSS 25.0軟件進行統(tǒng)計分析。符合正態(tài)分布的計量資料以±s表示，計數(shù)資料以率或百分比表示。結(jié)果采用95%置信區(qū)間（CI）。采用Kappa一致性檢驗評價試驗組和對照組的一致性，評價指標包括OPPO Watch對房顫檢測的敏感性、特異性、準確性、陽性預(yù)測值和陰性預(yù)測值。敏感性（真陽性率）：房顫的金標準診斷病例中，OPPO Watch正確診斷的百分比。特異性（真陰性率）：非房顫的金標準診斷病例中，OPPO Watch正確診斷的百分比。準確性：所有病例中OPPO Watch正確診斷的百分比。本研究采用Kappa一致性檢驗評價OPPO Watch對房顫的檢測結(jié)果和24 h動態(tài)心電圖診斷結(jié)果之間的一致性。當K＜0時，說明一致性強度極弱；0≤K≤0.2說明一致性強度微弱；0.2＜K≤0.4說明一致性強度弱；0.4＜K≤0.6說明一致性強度中；0.6＜K≤0.8說明一致性強度高；0.8＜K≤1.0說明一致性強度極高。以Plt;0.05為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 兩組的心電圖診斷結(jié)果

對照組診斷為房顫［包括陣發(fā)性房顫、陣發(fā)性心房撲動（簡稱房撲）］的結(jié)果共318例，偶發(fā)早搏（記錄期間早搏數(shù)＜100次）共50例，頻發(fā)早搏（PPG信號分析期間早搏數(shù)＞300次/h）共42例。試驗組自動診斷為房顫的結(jié)果共302例，非房顫共68例，無法判讀共40例。見表2。

2.2 有效性及一致性評價

OPPO Watch對房顫檢測的敏感性為99.31%，95%CI 97.25%～99.88%；特異性為81.48%，95%CI 70.48%～88.93%；準確性為95.41%，95%CI 94.32%～96.50%；陽性預(yù)測值95.03%，95%CI 91.76%～97.09%；陰性預(yù)測值97.06%，95%CI 88.83%～99.48%?？傮w來說，OPPO Watch對于房顫檢測具有較高的敏感性和準確性。K值為0.83，提示OPPO Watch與動態(tài)心電圖診斷結(jié)果一致性強度極高。本研究中共有房性心律失常358例，包括持續(xù)性房顫、陣發(fā)性房顫、持續(xù)性房撲、陣發(fā)性房撲、偶發(fā)房早、頻發(fā)房早、陣發(fā)性房速（表3）。其中動態(tài)心電圖診斷為持續(xù)性房顫的305例患者中，OPPO Watch正確判斷為房顫的共281例，其余24例因PPG信號質(zhì)量較差而無法判讀；在10例陣發(fā)性房顫患者中，OPPO Watch診斷為房顫的共6例，診斷為非房顫的1例，其余3例無法判讀；在偶發(fā)房早、頻發(fā)房早的病例中，OPPO Watch誤判斷為房顫的分別為1例和9例。由此看來，基于可穿戴設(shè)備的房性心律失常篩查同樣是可行的。

3 討論

我國目前約有1 000萬房顫患者，隨著人口老齡化的加劇，房顫的患病率還將持續(xù)升高［5-6］。房顫不僅會增加缺血性腦卒中和體循環(huán)動脈栓塞的風險，而且還會增加心肌梗死的風險，其常常與心力衰竭同時存在，并形成惡性循環(huán)［7］。有研究表明，房顫會增加患者認知功能下降、癡呆、阿爾茲海默病、血管性癡呆的發(fā)生風險［8］，導(dǎo)致生活質(zhì)量大大降低。房顫的發(fā)病率及患病率高，但患者常常沒有明顯的癥狀，因此對房顫患者的早期篩查有利于疾病的早發(fā)現(xiàn)、早診斷、早規(guī)范化治療，有助于治療方案的評估及優(yōu)化［9-10］，特別是對于無癥狀性房顫患者及栓塞風險高的患者，篩查尤為重要。常規(guī)心電圖、動態(tài)心電圖及單導(dǎo)聯(lián)心電圖一直是常用的房顫篩查工具，但由于房顫的陣發(fā)性、發(fā)作時間無規(guī)律性等特點，仍然存在漏診的可能。

研究表明，房顫的檢出率與總監(jiān)測時間呈線性關(guān)系［11-12］，長時間連續(xù)監(jiān)測有利于房顫的檢出及房顫負荷的估算［13］。使用植入式電子設(shè)備或心電監(jiān)測儀進行連續(xù)心律篩查，可在高達30%的老年受試者中檢測到短時房性心律失常［14］，但因其屬于侵入性操作而難以在臨床推廣，同時，長時間、多次的篩查也意味著更高的成本。新型可穿戴設(shè)備具有長時程、多狀態(tài)（運動、睡眠）及自主性的監(jiān)測特點，其應(yīng)用于房顫篩查可提高房顫檢出率和實現(xiàn)更優(yōu)的成本效益［15-16］。

可穿戴設(shè)備是基于傳感器的輕量級便攜設(shè)備，通過貼近皮膚表面佩戴、監(jiān)測和分析，連續(xù)或按需將相關(guān)的身體信號信息輸出到設(shè)備。目前市場上的可穿戴設(shè)備有基于心電圖的心電貼片、智能心電衣、胸帶，也有基于PPG信號的手表、腕帶、指環(huán)、耳垂傳感器等。有研究表明，在老年高血壓患者的房顫篩查研究中，對篩查組患者除了常規(guī)隨訪外，同時進行連續(xù)2周的心電貼片監(jiān)測，使得房顫檢出率比常規(guī)隨訪升高了10倍［17］。此類心電貼片設(shè)備具有較長的記錄周期、較好的使用便利性以及較高的準確性，因此逐漸得到了更廣泛的應(yīng)用。同時，可穿戴設(shè)備的佩戴舒適感也得到越來越多患者的認可。本研究電話回訪62例佩戴OPPO Watch篩查房顫的患者發(fā)現(xiàn)，其中58例對設(shè)備表示滿意，認為其優(yōu)勢是輕便、易于穿戴，不會對日常生活和活動造成不便；4例患者對穿戴設(shè)備表示相對滿意，認為其減少了電極片導(dǎo)致皮膚過敏、破潰的風險。除了舒適度和易用性，基于PPG技術(shù)的可穿戴設(shè)備在房顫篩查中的可行性、敏感性和特異性也得到了越來越多的證據(jù)支持。PPG是一種借助光電技術(shù)無創(chuàng)檢測組織微血管中的血液容積變化的方法［18］。當一定波長的光束照射在皮膚表面時，光束將通過透射或反射的方式傳送到光電接收器，其間受到皮膚、肌肉及血液的傳遞吸收而衰減，接收器檢測到的光強度也將隨之減弱。通常皮膚、肌肉組織對光的吸收是保持不變的，而血液容積在心臟泵血的作用下呈現(xiàn)波動性變化，光吸收量也隨之變化，因而接收器接收到的光強度呈脈動性變化［19］。通過將光信號轉(zhuǎn)為電信號便可獲得容積脈搏血流的變化，可從中提取到心率、血壓、心排血量和呼吸等參數(shù)［20］，再進一步對PPG數(shù)據(jù)進行運算分析，評估心律是否規(guī)則，以診斷房顫［21］。Apple Heart研究納入419 927名用戶，基于手表的不規(guī)則脈搏通知算法識別出可能的房顫，其中2 161人收到不規(guī)則心律通知；隨即啟動遠程醫(yī)療訪問，將心電圖貼片郵寄給參與者佩戴以明確診斷房顫，其對65歲以上人群的陽性預(yù)測值為84%［22］。華為心臟健康研究納入187 912名用戶，其中424人的手表PPG信號提示可疑房顫，在聯(lián)系回訪成功的262人中有227人在醫(yī)院診斷房顫，其陽性預(yù)測值為91.6%［23］。三星公司納入678名具有房顫病史的患者，單手佩戴Samsung Gear Fit 2手表測量并分析5 min PPG信號，同時通過單導(dǎo)聯(lián)手持心電儀AliveCor Kadia記錄心電圖來判斷是否有房顫，基于PPG信號判讀房顫的陽性預(yù)測值為97.8%、敏感性為93.7%、特異性為98.2%［24］。不同的智能設(shè)備對房顫檢測的敏感性、特異性有所不同，但都顯現(xiàn)了較高的準確性。目前部分研究的入選人群與能從房顫篩查中獲益最多的人群（房顫風險高的老年人）存在不匹配的現(xiàn)象，因此需要為老年參與者提供基于PPG信號篩查房顫的方法，同時國內(nèi)關(guān)于智能穿戴設(shè)備結(jié)合PPG技術(shù)、智能算法和動態(tài)心電圖檢測房顫的研究及其樣本量較少［25］。

本研究受試者的中位數(shù)年齡為62歲，智能穿戴設(shè)備（OPPO Watch）基于PPG技術(shù)及智能算法自動診斷房顫的敏感性達99.31%、準確性達95.41%，K值為0.83，與動態(tài)心電圖檢查診斷房顫的一致性強度極高。在動態(tài)心電圖診斷為非房顫的92例受試者中，OPPO Watch診斷為非房顫68例、無法判讀11例，特異性為81.48%。在房性心律失常中有9例頻發(fā)房早、1例陣發(fā)性房速被OPPO Watch誤判為房顫，而不低的假陽性率可能會導(dǎo)致部分人群陷入焦慮和不恰當治療。究其原因為PPG技術(shù)主要是通過提取脈搏間隔的逐次變化來區(qū)分竇性心律和房顫，因此可引起脈搏間隔發(fā)生改變的心律失常是房顫檢測的干擾源，當出現(xiàn)頻發(fā)早搏時心律相對不勻齊，利用PPG技術(shù)運行算法易將其誤判為房顫。針對此問題，可納入更多類型心律失?；颊?，依賴充足的數(shù)據(jù)進行PPG信號特征處理、精進算法、訓(xùn)練模型；大數(shù)據(jù)時代可能改變?nèi)斯じ深A(yù)的程度，提升算法自動分析的準確性，深度學(xué)習算法可以降低診斷的假陽性率［26］。同時，結(jié)合深度學(xué)習的心電人工智能網(wǎng)絡(luò)，可對提取的PPG信號進行處理，同時結(jié)合心電散點圖特征，未來有可能分類識別出更多類型的心律失常，如房早、室性早搏、房撲、陣發(fā)性室上性心動過速、房室阻滯等［27］。在房性心律失常中有1例陣發(fā)性房顫、1例房撲被OPPO Watch判斷為正常，原因考慮為當房撲等比例下傳時心律相對勻齊，導(dǎo)致PPG算法將其誤判為正常節(jié)律。目前，市面上的智能穿戴設(shè)備無論是基于12導(dǎo)聯(lián)心電圖、單導(dǎo)聯(lián)心電圖還是PPG技術(shù)，均識別的是心室除極的QRS波或脈搏波，而很少有針對心房波的識別?？紤]到心房波振幅相對小、與偽差干擾難以分辨，還需要進一步精進算法，以打破技術(shù)及觀念壁壘。本研究中有40例受試者的數(shù)據(jù)因PPG信號質(zhì)量較差被算法認為無法判讀，而信號質(zhì)量差的原因包括設(shè)備原因，如電量不足、佩戴過松導(dǎo)致記錄PPG信號數(shù)據(jù)過短或無數(shù)據(jù)；運動偽差、噪聲干擾等導(dǎo)致信號質(zhì)量差而不適宜分析等。針對設(shè)備本身的這些局限性，在使用過程中應(yīng)根據(jù)數(shù)據(jù)分析反饋不斷進行優(yōu)化，包括改良信號質(zhì)量與解決電池續(xù)航時間等技術(shù)問題，以實現(xiàn)高標準的房顫診斷?？傮w來說，智能穿戴設(shè)備（OPPO Watch）檢測房顫的準確率高，在家庭連續(xù)監(jiān)測中是一種可行的房顫篩查方法。

PPG技術(shù)所使用的光學(xué)信號傳感器具有低功率消耗、不影響日常生活等特點，適用于記錄連續(xù)、高頻或間歇性的數(shù)據(jù)。智能穿戴設(shè)備的普及結(jié)合PPG技術(shù)和人工智能算法可提供舒適的長期心律監(jiān)測，有利于擴大人群篩查規(guī)模及提高時間覆蓋率。總體來說智能手表穿戴方便，對于房顫的檢測識別準確度較高，使房顫的篩查家庭化、日?；蔀榭赡?。既往智能手表的主力消費人群為年輕人，隨著智能手表各項健康指標的完善，越來越多老年人也成為這類設(shè)備的使用群體。對于65歲及以上的人群，除了常規(guī)機會性單時間點的篩查，還可使用智能設(shè)備來檢測日常生活場景中心律失常的跡象；對于智能設(shè)備監(jiān)測提示的心臟節(jié)律異常，結(jié)合心律失常醫(yī)師的進一步評估，有助于確診房顫，有望通過早期干預(yù)減少腦卒中和其他房顫相關(guān)并發(fā)癥的發(fā)生。

參考文獻

［1］崔亦鍇， 湯日波. 無癥狀心房顫動的篩查［J］. 中國心臟起搏與心電生理雜志， 2020， 34（6）： 523-526.

［2］PRULA-DE TORRES LA， GONZLEZ-BLANCO VV， LUQUE-MONTILLA R， et al. Validation of taking arterial pulse in Primary Care for the detection of atrial fibrillation and other cardiac rhythm disorders in patients over 65 years old［J］. Semergen， 2017， 43（6）： 425-436.

［3］STEINHUBL SR， WAALEN J， EDWARDS AM， et al. Effect of a home-based wearable continuous ECG monitoring patch on detection of undiagnosed atrial fibrillation： the mSToPS randomized clinical trial［J］. JAMA， 2018， 320（2）： 146-155.

［4］汪蓉， 陳穎敏， 許向東， 等. Smartpatch在心房顫動患者中的應(yīng)用價值［J］. 中國心臟起搏與心電生理雜志， 2017， 31（2）： 126-130.

［5］CAMM AJ， KIRCHHOF P， LIP GYH， et al. Guidelines for the management of atrial fibrillation： the Task Force for the management of atrial fibrillation of the European Society of Cardiology（ESC）［J］. Eur Heart J， 2010， 31（19）： 2369-2429.

［6］中華醫(yī)學(xué)會心血管病學(xué)分會， 中國生物醫(yī)學(xué)工程學(xué)會心律分會. 心房顫動診斷和治療中國指南［J］. 中華心血管病雜志， 2023， 51（6）： 572-618.

［7］SANTHANAKRISHNAN R， WANG N， LARSON MG， et al. Atrial fibrillation begets heart failure and vice versa： temporal associations and differences in preserved versus reduced ejection fraction［J］. Circulation， 2016， 133（5）： 484-492.

［8］STAERK L， SHERER JA， KO D， et al. Atrial fibrillation： epidemiology， pathophysiology， and clinical outcomes［J］. Circ Res， 2017， 120（9）： 1501-1517.

［9］藍亞平， 劉天虎， 余朝萍， 等. NKX2-5基因多態(tài)性聯(lián)合血清白細胞介素-6、正五聚蛋白3濃度對風濕性心臟病合并心房顫動患者的預(yù)測價值［J］. 嶺南心血管病雜志， 2023， 29（2）： 167-173.

［10］簡杰， 陳星權(quán)， 吳敏， 等. 心臟手術(shù)同期射頻消融治療心房顫動合并低左心室射血分數(shù)的患者中期療效臨床研究［J］. 嶺南心血管病雜志， 2023， 29（3）： 225-228.

［11］RAMKUMAR S， NERLEKAR N， D’SOUZA D， et al. Atrial fibrillation detection using single lead portable electrocardiographic monitoring： a systematic review and meta-analysis［J］. BMJ Open， 2018， 8（9）： e024178. DOI： 10.1136/bmjopen-2018-024178.

［12］ZUNGSONTIPORN N， LINK MS. Newer technologies for detection of atrial fibrillation［J］. BMJ， 2018， 363： k3946. DOI： 10.1136/bmj.k3946.

［13］FREDRIKSSON T， FRYKMAN V， FRIBERG L， et al. Usefulness of short-lasting episodes of supraventricular arrhythmia （micro-atrial fibrillation） as a risk factor for atrial fibrillation［J］. Am J Cardiol， 2018， 122（7）： 1179-1184.

［14］FABRITZ L， CONNOLLY DL， CZARNECKI E， et al. Smartphone and wearable detected atrial arrhythmias in older adults： results of a fully digital European case finding study［J］. Eur Heart J Digit Health， 2022， 3（4）： 610-625.

［15］FREEDMAN B， CAMM J， CALKINS H， et al. Screening for atrial fibrillation： a report of the AF-SCREEN international collaboration［J］. Circulation， 2017， 135（19）： 1851-1867.

［16］SHASHIKUMAR SP， SHAH AJ， LI Q， et al. A deep learning approach to monitoring and detecting atrial fibrillation using wearable technology［J］. BHI， 2017， 141-144. DOI： 10.1109/BHI.2017.7897225.

［17］GLADSTONE DJ， WACHTER R， SCHMALSTIEG-BAHR K， et al. Screening for atrial fibrillation in the older population： a randomized clinical trial［J］. JAMA Cardiol， 2021， 6（5）： 558-567.

［18］PEREZ MV， MAHAFFEY KW， HEDLIN H， et al. Large-scale assessment of a smartwatch to identify atrial fibrillation［J］. N Engl J Med， 2019， 381（20）： 1909-1917.

［19］MENDELSON Y. Pulse oximetry： theory and applications for noninvasive monitoring［J］. Clin Chem， 1992， 38（9）： 1601-1607.

［20］米永巍， 李怡勇， 陳培昕. 光電容積描跡法原理及其臨床應(yīng)用［J］. 中國醫(yī)療設(shè)備， 2011， 26（5）： 92-95，106.

［21］李皙茹. 基于光電容積描記法的人體生理參數(shù)動態(tài)測量技術(shù)研究［D］. 合肥： 中國科學(xué)技術(shù)大學(xué)， 2017.

［22］PEREZ MV， MAHAFFEY KW， HEDLIN H， et al. Large-scale assessment of a smartwatch to identify atrial fibrillation［J］. N Engl J Med， 2019， 381（20）： 1909-1917.

［23］GUO Y， WANG H， ZHANG H， et al. Mobile photoplethysmographic technology to detect atrial fibrillation［J］. J Am Coll Cardiol， 2019， 74（19）： 2365-2375.

［24］DRR M， NOHTURFFT V， BRASIER N， et al. WATCH AF trial： SmartWATCHes for detection of atrial fibrillation［J］. JACC： Clin Electrophysiology， 2019， 5（2）： 199-208.

［25］WASSERLAUF J， YOU C， PATEL R， et al. Smartwatch performance for the detection and quantification of atrial fibrillation［J］. Circ Arrhythm Electrophysiol， 2019， 12（6）： e006834. DOI： 10.1161/CIRCEP.118.006834.

［26］劉鳴. 遠程心電大數(shù)據(jù)和心電圖智能化診斷［J］. 實用心電學(xué)雜志， 2018， 27（3）： 157-161.

［27］李小榮， 楊兵. 人工智能在房顫管理中的應(yīng)用進展［J］. 實用心電學(xué)雜志， 2022， 31（5）： 310-314.

（收稿日期： 2023-12-21）

（本文編輯： 李政萍）