梅 丽，黄 刚，何俊德，娄娟娟，王 琴，李贵军

（1 六盘水人民医院心内科 贵州 六盘水 553000）

（2 六盘水钟山区人民医院心内科 贵州 六盘水 553000）

（3 上海图灵医疗科技有限公司 上海 201400）

急性胸痛是急诊科以及心内科常见的就诊症状。急诊胸痛患者虽然都以“胸痛”为主诉症状，但起因却非常复杂，涉及到多个器官和系统，是危险度很高的致命性疾病，包含了急性冠脉综合征（ACS）、主动脉夹层、肺栓塞以及张力性气胸等，快速、准确地鉴别诊断心源性和非心源性胸痛是急诊处理的难点和重点[1]。《中国心血管病报告2017》显示我国心血管疾病发生率呈逐年增高趋势，其中心源性急性胸痛患者伴有急性心肌缺血情况，非心源性急性胸痛患者无冠状动脉病变发生[2]。在临床实践中，心源性的急性心肌梗死和非心源性的肺栓塞及主动脉夹层等同属常见危重病，心电图是急诊胸痛患者的入院初期必检项目，也是首选的速查手段，但对于非ST 段变化的心脏疾病，心电图则较难判断，这类患者难以对症状相同且使用心电图难以区分的非心源性急性胸痛患者迅速做出辨别，而按照流程直接进入血检等心源性诊断项目，会大大延长检测周期，这增加了非心源性急性胸痛的危重患者的分诊时间。因此快速有效的鉴别、诊断和处置对于急诊胸痛患者刻不容缓[3-4]。胸痛中心早期专为救治急性冠状动脉综合征患者而设立，是集接诊、分诊、检查、转运、监护、常规药物治疗和急诊冠状动脉介入治疗为一体的独立单元[5]。本研究利用好心电信号，运用神经网络建模以及人工智能学习算法等，为心源性急性胸痛患者和非心源性急性胸痛患者的早期鉴别提供一种新的辅助鉴别方法。现报道如下。

1.资料与方法

1.1 一般资料

选取2020 年7 月—2021 年3 月六盘水市人民医院胸痛中心收治的急性胸痛患者，在已确诊患者中调阅档案。随机选取心源性急性胸痛确诊患者90 例，男53 例，女37 例，平均年龄（57.3±12.2）岁；非心源性急性胸痛确诊患者90 例，男41 例，女49 例，平均年龄（61.4±11.0）岁。

1.2 方法

1.2.1 采集心电信号 针对所有心源性急性胸痛患者（90 例）和非心源性急性胸痛患者（90 例），追溯提取入院后诊治前所做的心电检测存储数据，统一采用专门备用的深圳迈瑞生物医疗电子股份有限公司12 通道心电图机（Benherart R12A），采集时间为16 s，采样速率为1 kHz（A/D）。

1.2.2 计算心电动力学数据时空复杂度特征值 基于确定学习算法将12 导联心电信号数据进行向量化处理，分别得到每个导联的向量化数据，截取ST-T 段的对应数据，构建RBF 神经网络模型，再通过神经网络辨识器对系统动态进行局部准确神经网络逼近，取得各导联的心电动力学数据[6]。

利用混沌动力学方法[7]对心电动力学数据[8]进行进一步分析，对12 个维度的心电动力学数据分别计算时间复杂度和空间复杂度特征值。每例急性胸痛患者的12导联心电信号经计算分析处理后最终转化为24 个特征值（作为患者心电动力学病理特征值）。

由于时间复杂度与空间复杂度所计算单位不同，因此将特征值运用离差标准化法，即min-max 标准化（Min-Max Normalization），转换函数为X=（X-min）/（max-min）进行数据归一化处理。

2.结果

以医院全流程诊断结果为金标准，其心电动力学特征值检测诊断的：准确度82.8%（心源性胸痛患者检测出77 例、非心源性检测出胸痛患者72 例，检测正确人数共149 例，除以全部急性胸痛患者总例数180 例）；敏感度85.6%（心源性胸痛患者检测出77 例，除以心源性胸痛患者总人数90 例）；特异度80.0%（非心源性胸痛患者检测出72 例，除以非心源性胸痛患者总人数90 例），见表1。

表1 心电动力学数据特征值检测与医院全流程诊断结果（例）

3.讨论

急诊分诊是按照病情的类型、紧急程度等对患者进行分诊，使患者获得快速准确的诊断和治疗。目前我国尚无统一的急性胸痛分诊标准，胸痛患者的分诊成为难点[9]。对于心电图检查以及胸痛程度分析等重要诊断项目严重依赖医师经验，充分利用现代计算机技术进行数据分析以提高准确率和减少漏诊、误诊是发展趋势。心电动力学数据时空复杂度特征值方法虽然与心电图使用的是同源心电信号，但心电动力学数据蕴含心电信号动态信息，所计算的多维度特征值结果也更具实际仿真效果，研究表明对心肌缺血具有敏感性以及计算迅速的优点[10]。

本研究采用的心电动力学数据时空复杂度特征值分析的方法，检测心源性急性胸痛患者和非心源性急性胸痛患者准确率达到82.8%，表明研究方法用于急性胸痛患者早期鉴别的潜力。研究限于样本数据量以及患者种类数量不多，后期可通过加大数据量方法进一步提高准确度，同时随着样本数据种类的增多，可以针对不同疾病类型进一步做深一步的研究，鉴别更多的疾病种类，本研究所采用的分类方法，无需进行样本库的重新规范与计算，待分类样本只需下载或更新样本库的特征函数矩阵，直接进行精细分类，并最大程度减小了以往近似算法的失真度，能够快速和准确的识别出心电信号数据的统计特征。本次研究的医院全流程诊断结果是在综合血检、影像等多项指标及入院观察诊治后得到的结果，虽然能够作为本次研究的检测结果正确与否的标签使用，但由于全流程周期耗时较长，不适于某些急诊胸痛患者的早期快速分诊。而在患者入院取得心电信号，早期输入数据计算的判断结果，对于急诊胸痛中心在第一时间迅速准确检测，辅助心源性急性胸痛患者和非心源性急性胸痛患者的早期鉴别具有积极意义。