基于智能手机光电容积脉搏波技术的房颤检测系统（FibriCheck）多中心验证研究：突破皮肤色调与肥胖限制的高精度诊断新策略

《npj Digital Medicine》：Fibricheck detection capabilities for atrial fibrillation (FDA–AF): a multicenter validation study

　　本研究针对房颤（AF）检出率低、传统心电图（ECG）监测受限的临床难题，开展了基于智能手机光电容积脉搏波（PPG）的FibriCheck算法多中心验证。结果显示：该技术对AF检测的准确度达98.5%（95% CI: 98.0-99.0%），敏感性与特异性分别为96.3%和99.3%，且在10款智能手机和不同共病患者中表现稳定。特别值得注意的是，技术人员验证成功将深色皮肤（Fitzpatrick V-VI型）和肥胖（BMI≥30）人群的敏感性从79.6%提升至93.8%，为跨人群房颤筛查提供了可靠解决方案。

　　

心房颤动（Atrial Fibrillation, AF）作为全球最常见的心律失常，正随着人口老龄化和多重共病（如肥胖、糖尿病、高血压等）比率的上升，在21世纪逐渐演变为一场心血管疾病流行病。更严峻的是，AF与心肌梗死（MI）、栓塞性缺血性卒中、心力衰竭（HF）以及慢性肾脏病（CKD）的风险增加存在因果关系。然而，AF的诊断长期以来主要依赖诊室12导联心电图（ECG），这使得阵发性AF和无症状病例常常被漏诊。据统计，高达20%的因AF相关卒中就诊的患者此前并未确诊，其中超过90%本应符合长期口服抗凝治疗的标准。这种诊断缺口凸显了开发临床及经济上可行的、用于AF早期准确检测和监测方法的迫切需求。

随着微芯片、传感器技术和云计算的进步，远程医疗监测工具蓬勃发展。其中，基于智能手机摄像头的光电容积脉搏波（Photoplethysmography, PPG）技术因其普及性和便捷性，在心率监测和心律失常检测领域展现出巨大潜力。PPG技术通过二极管向人体组织发射光线，并由光传感器捕获反射光。由于反射光的强度和搏动特性是微血管床内动脉压力脉冲传播的函数，PPG信号能够提供有关心血管健康的实时信息，包括血氧饱和度、心率、血压和心输出量。基于PPG的AF检测算法通常通过从原始PPG信号中提取时域、形态和/或频谱特征，然后输入分类器来实现。FibriCheck（Qompium NV, Belgium）正是一款获得CE IIa类和FDA许可的医疗分析平台，它利用端到端算法对通过智能手机应用收集的PPG信号进行心律分类。

尽管此前已有研究（包括多中心欧洲TeleCheck-AF项目）证明了FibriCheck的高可用性、依从性和患者满意度，且小型和/或单中心研究（N≤300）也显示了其在AF检测方面的优异性能，但在更多样化人群（包括非欧洲参与者）中进行的大规模、多中心验证研究尚未开展。因此，这项名为“FibriCheck检测房颤能力（FDA-AF）：一项多中心验证研究”的工作，旨在跨越十种流行智能手机设备，在一个多中心、跨国队列中验证FibriCheck的性能，并以12导联心电图作为参考诊断标准。该研究最终发表于《npj Digital Medicine》期刊。

关键技术方法概述

本研究在欧美五家大型学术医疗中心进行，共纳入236名受试者。每位受试者被指导依次将手指放在十款不同智能手机（包括8款iOS和2款Android设备）的摄像头上进行60秒PPG信号采集。同时，以12导联心电图作为参考标准，在特定时间点（第三次和第八次智能手机记录时）同步采集心电图，并由两名独立的心脏电生理学家盲法判读心律（分为“规则”、“AF”、“心房扑动”或“未分类”）。FibriCheck平台算法包含三个卷积神经网络（CNN）：（1）信号质量检测；（2）心跳检测；（3）心律分类。预处理后的PPG信号依次通过这三个CNN，最终被分类为“规则”、“可能AF”或“未分类”。此外，每位质量合格的PPG记录均由一名盲法的FibriCheck技术人员在48小时内独立进行视觉验证。

研究结果

1. 研究人群与数据质量

最终纳入分析的受试者为236名。根据12导联心电图参考诊断，157名（66.5%）为规则心律，60名（25.4%）为AF，10名（4.2%）为心房扑动，9名（3.8%）为未分类心律。理论上最大PPG记录数为2360次（每人10次），最终有2195次记录可用于主要分析（排除了心房扑动和相关记录以及质量不足的记录）。PPG记录与心电图参考诊断捕获的中位时间间隔为2分钟。

2. 主要分析：整体性能及各智能手机设备性能

FibriCheck算法在区分“可能AF”和“非可能AF”方面表现出高性能。在无技术人员验证的情况下，准确度为98.5%（95% CI: 98.0-99.0%），敏感性为96.3%（95% CI: 94.4-97.7%），特异性为99.3%（95% CI: 98.8-99.7%），阳性预测值（PPV）为98.0%（95% CI: 96.5-98.9%），阴性预测值（NPV）为99.8%（95% CI: 99.6-99.9%）。技术人员验证后性能无显著变化。算法在所有10款智能手机设备上均表现优异，其中iPhone 13 Pro准确度最高（100%），各设备间准确度无显著差异。

3. 亚组分析

亚组分析显示，FibriCheck算法在所有皮肤色调（根据Fitzpatrick量表分类）的受试者中均保持高准确度，但在深色皮肤（V型和VI型）受试者中敏感性较低（79.6%, 95% CI: 65.7-89.8%）。FibriCheck技术人员的验证成功缓解了此风险，将深色皮肤人群的敏感性提升至93.8%。同样，在体重指数（BMI）≥30的个体中，敏感性也略有降低（从93.7%降至无验证时），但经技术人员验证后改善至98.8%。该算法在有和无心力衰竭（HF）、血管疾病、高血压（HTN）、糖尿病、卒中病史的受试者中均表现一致良好，且在有既往AF诊断的受试者中也显示出高准确度和可靠性。

4. 与FDA许可设备的比较分析

与通过510(k)许可并报告了临床测试性能的七种设备相比，FibriCheck显示出相当或更优的敏感性和特异性。

研究结论与讨论

FDA-AF研究证实了FibriCheck平台在多样化患者群体中检测AF的高准确性和可靠性。通过展示其在十种常见智能手机设备上的一致性能，该研究也强调了该平台易于实施的特点及其作为临床环境外AF检测和监测的资源节约型方法的潜力。

FibriCheck平台相较于传统的AF检测方法具有多项临床优势。它操作简便、快速（60秒内完成），并能利用患者已有的设备进行近乎实时的监测，特别适用于阵发性AF患者评估AF负荷，或指导特定患者（如采用“口袋药丸”策略者）自行服用抗心律失常药物。与ZioPatch、Holter监护仪或植入式循环记录仪等连续监测设备相比，FibriCheck完全无创，无需额外硬件或重复就诊，且能记录和传输无限次读数。虽然与其他患者触发的可穿戴设备一样可能漏过短暂或无症状的心律失常，但其基于广泛普及的智能手机平台，使其在资源有限的环境中尤其具有应用价值。

本研究的一个重要发现是，技术人员验证可以有效减轻皮肤类型和肥胖对分类性能的已知影响。蒙特卡洛模拟表明，由于黑色素对光吸收的增加，PPG信号的交流/直流（AC/DC）比值（衡量血容量搏动性的指标）在深色皮肤中会受到影响。肥胖则因脂肪和真皮组织对光线穿透和散射的影响而降低PPG信号质量。FibriCheck通过结合自动化算法与人工验证，为解决这些挑战提供了可行方案，这使其相较于不提供人工验证的其他消费级移动AF检测平台更具优势。

总之，FDA-AF研究证实了FibriCheck算法在各种智能手机平台和临床亚组中检测AF的高准确度、敏感性和特异性。这些发现支持将FibriCheck作为一种可靠、低成本且易于获取的工具，用于多样化患者群体的AF检测，为改善AF的早期诊断和管理提供了有力的数字医疗解决方案。未来的研究可进一步验证其在更多品牌智能手机上的性能，并深入探讨PPG视觉判读的心律分类者间一致性。