《Computer Methods and Programs in Biomedicine Update》:Noninvasive Hemodynamic Estimation in Patients with Heart Failure using Electrocardiograms, Pulse Waves, and Heart Sounds
编辑推荐:
摘要专业翻译
背景:右心导管检查(Right Heart Catheterization, RHC)是心力衰竭患者血流动力学测量的金标准,但该检查具有侵入性,仅在获益大于风险时实施。尽管已有尝试无创估计血流动力学参数的研究,但尚未建立一种简单且能准确估计多个参
摘要专业翻译
背景:右心导管检查(Right Heart Catheterization, RHC)是心力衰竭患者血流动力学测量的金标准,但该检查具有侵入性,仅在获益大于风险时实施。尽管已有尝试无创估计血流动力学参数的研究,但尚未建立一种简单且能准确估计多个参数的方法。
目的:本研究旨在利用无创测量准确估计多个血流动力学参数。
方法:研究人员对50名计划接受右心导管检查的心力衰竭患者,同步记录心电图(ECG)、脉搏波和心音信号。从三种无创波形中提取特征,并使用机器学习模型估计多个血流动力学参数。
结果:回归模型对肺毛细血管楔压(Pulmonary Capillary Wedge Pressure, PCWP)的估计得到r值为0.88,平均绝对误差(Mean Absolute Error, MAE)为2.82 mmHg;对肺动脉压(Pulmonary Artery Pressure, PAP)的估计r值为0.79,MAE为4.48 mmHg;对右心房压(Right Atrial Pressure, RAP)的估计r值为0.81,MAE为2.04 mmHg;对心输出量(Cardiac Output, CO)的估计r值为0.80,MAE为0.46 L/min。所有相关性均具有统计学显著性(p< 0.001)。
结论:PCWP、PAP、RAP和CO的绝对值可通过无创方法以良好的准确性进行估计。该方法可能支持心力衰竭及其他心血管疾病评估和管理中的更广泛应用。
论文解读文章
一、研究背景与问题
心力衰竭(Heart Failure, HF)全球患病率约6400万例,在60岁以上成人中患病率超过10%。尽管慢性心衰治疗药物的发展改善了患者预后,但再入院率并未下降,这已成为医疗成本增加的重要社会问题。血流动力学变化在慢性代偿性心衰进展为急性失代偿性心衰前数周即已出现,因此频繁监测血流动力学状态并早期干预对降低再入院率至关重要。
右心导管检查(Right Heart Catheterization, RHC)是血流动力学评估的金标准,可测量肺毛细血管楔压(Pulmonary Capillary Wedge Pressure, PCWP)、肺动脉压(Pulmonary Artery Pressure, PAP)、右心房压(Right Atrial Pressure, RAP)和心输出量(Cardiac Output, CO)。PCWP是左心充盈压和充血的重要指标,Forrester分级结合PCWP与心脏指数(Cardiac Index, CI)具有临床实用价值。然而,RHC为侵入性操作,美国指南仅推荐在经筛选的急性心衰患者中实施(IIa类推荐)。
现有无创替代方法存在诸多局限:2014年美国FDA批准的肺动脉植入式远程监测装置虽在CHAMPION试验中使心衰相关再入院率降低37%,但植入的侵入性和高昂成本限制了应用;超声心动图依赖操作者技能、测量次数有限且估计准确性低;基于Valsalva动作估计PCWP和左室舒张末期压(Left Ventricular End-Diastolic Pressure, LVEDP)的FDA批准设备因需要屏气而未被广泛使用。既往研究多集中于单一参数估计或分类,同时估计PCWP、PAP、RAP和CO四个参数的研究尚不充分。
二、研究目的
本研究旨在利用无创采集的心电图(ECG)、脉搏波和心音信号,通过机器学习模型同时估计心衰患者多个血流动力学参数的绝对值,并探讨对估计准确性贡献最大的特征。
三、关键技术方法
本研究为前瞻性观察性研究,于2022年7月至2024年8月间纳入50名计划接受右心导管检查的心衰患者(NYHA II-IV级),排除机械循环支持装置治疗、肺动脉高压、严重瓣膜病和明显心律失常患者。使用血管评估系统(VaSera VS-2500,日本Fukuda Denshi)在患者仰卧位时同步记录16秒的ECG(双腕电极)、心音(胸骨第二肋间麦克风)和脉搏波(左上臂袖带)。预处理采用带通滤波(ECG 2–20 Hz四阶带通、心音200 Hz低通、脉搏波10 Hz低通)。从三种波形中提取140个特征,经两阶段特征选择(先基于Pearson相关系数≥0.95去除冗余特征至93个,再采用包装式特征选择法)确定各参数的最优特征集。采用梯度提升决策树(Gradient Boosting Decision Tree, GBDT)回归模型分别估计PCWP、PAP、RAP和CO,以留一法交叉验证评估性能,超参数通过网格搜索优化。
四、研究结果
PCWP估计:PCWP回归模型与RHC实测值相关性r=0.88,MAE=2.82 mmHg。特征重要性分析显示,射血前间期(Pre-Ejection Period, PEP)相关指标重要性最高(0.49),其他类别包括心音幅度、血管僵硬度指数、ECG与心音时间点差异、脉搏波幅度和心率变异性。PCWP≥18 mmHg分类模型准确率0.92、特异度0.95、精确率0.78、召回率0.78、F1分数0.78。
PAP、RAP和CO估计:PAP模型r=0.79,MAE=4.48 mmHg;RAP模型r=0.81,MAE=2.04 mmHg;CO模型r=0.80,MAE=0.46 L/min。PAP使用5个特征类别(心率变异性、PEP相关指标、心音幅度、血管僵硬度指数、脉搏波幅度),RAP仅使用2个类别(心音幅度、血管僵硬度指数),CO使用4个类别(心音幅度、心率变异性、PEP相关指标、血管僵硬度指数)。值得注意的是,PEP相关指标在PCWP估计中重要性最高,也被纳入PAP和CO估计,但未用于RAP估计。
亚组分析:按心衰状态(稳定vs.失代偿)、左室射血分数(LVEF<50% vs. ≥50%)和性别分层,各亚组绝对误差总体一致。失代偿亚组四个参数均呈良好相关性;稳定亚组PAP和RAP相关性较低,但MAE与失代偿亚组相近,可能反映稳定患者参数分布范围较窄。
Forrester分级应用:将估计的PCWP和CO应用于Forrester分级,50例中38例正确分类,总体准确率0.76。各亚组表现为:亚组I(n=20)精确率0.76、召回率0.80、F1分数0.78;亚组II(n=2)精确率1.00、召回率0.50、F1分数0.67;亚组III(n=21)精确率0.74、召回率0.67、F1分数0.70;亚组IV(n=7)精确率0.78、召回率1.00、F1分数0.88。亚组II因样本量过小,其性能解读受限。
五、讨论与结论
讨论要点:本研究的PCWP估计相关性(r=0.88)优于既往FDA批准的Valsalva动作设备(r=0.81),且无需屏气,可用性更佳。与FDA批准的LVEDP>18 mmHg分类设备(敏感性0.80、特异度0.83)相比,本研究的PCWP≥18 mmHg分类模型召回率0.78、特异度0.95,同时提供连续估计和阈值分类能力。与既往仅估计单一参数的研究不同,本研究从同一无创记录中同时估计四个参数,可支持更全面的血流动力学评估。PEP相关指标需整合三种波形信息,提示多模态信号融合具有互补价值。PCWP和PAP的同步估计对肺动脉高压诊断具有潜在应用价值,肺血管阻力(Pulmonary Vascular Resistance, PVR)可由PAP、PCWP和CO计算,PCWP/CO和PCWP–RAP还可用于HFpEF亚型识别。
研究局限性:单中心小样本研究;PCWP>18 mmHg和Forrester亚组II患者数据有限;过拟合风险需在更大规模多中心队列中验证;明显心律失常等合并症可能降低估计准确性;未直接评估各信号模态的增量贡献。
研究结论:本研究以良好的准确性无创估计了PCWP、PAP、RAP和CO的绝对值。经进一步验证后,这一简便测量方法可支持门诊和远程监测等场景中的血流动力学评估。多参数同步估计可能促进心衰及其他心血管疾病患者更早期、更全面的评估。该研究由Terumo Corporation资助,研究者声明无利益冲突。