冯前进团队阳维课题组在Nature Communications发表心电AI研究成果

   近日，生物医学工程学院冯前进团队阳维课题组于著名综合性期刊《Nature Communications》发表题为“Practical intelligent diagnostic algorithm for wearable 12-lead ECG via self-supervised learning on large-scale dataset”（基于大规模数据集自监督学习的穿戴式12导心电实用智能诊断算法）的研究论文。该项工作得到国家重点研发计划和广东省医学图像处理重点实验室的资助，由南方医科大学生物医学工程学院、解放军总医院心内科、心韵恒安医疗科技（北京）有限公司共同合作完成。南方医科大学博士生赖杰伟为该文第一作者，冯前进教授和阳维教授为共同通讯作者。

我国城乡居民疾病死亡构成比例中心血管疾病占首位。心血管疾病负担日渐加重，已成为重大的公共卫生问题。心电图（ECG）记录心脏心动周期所产生的电活动变化，广泛应用于心血管疾病筛查和评估。穿戴式心电设备可实现24小时远程心电数据采集和远程诊断，用于心脏健康家庭监测、状态评估、风险预测、早期诊断、精准干预。然而，我国专业的心电图诊断医生数量不足以及基层心电图判读能力的不足，不能满足日益增长的心电图诊断需求。心电图人工智能（AI）诊断技术自动完成心电图的分析、测量和诊断，可作为心电图医生诊断的有力辅助工具，提高诊疗服务水平。

研究团队依托“全国心电一张网”平台，采集整理了65万余例穿戴式12导心电数据，对其中16万余例心电数据按照诊断术语包括心电节律、波形异常、技术条件等60类标签进行了精细标注，构建了目前最大规模的穿戴式心电数据集。为有效利用大规模未标注心电数据中蕴含的信息和知识，采用改进的自监督对比学习算法MoCo，以多尺度深度卷积网络为主干进行心电信号表征学习和智能诊断模型的预训练，然后利用标注心电数据对智能诊断模型进行有监督精调。由国家重点研发计划项目牵头单位心韵恒安医疗科技（北京）有限公司将心电智能诊断模型部署至服务器，对其进行了为期三个月（前瞻式采集了1万余份可穿戴式心电）的在线测试。在线测试结果表明，心电智能诊断模型总体准确率高于95%，具有重要的临床实用价值和良好的应用前景。

论文链接：https://www.nature.com/articles/s41467-023-39472-8