长程可穿戴心电的房颤(AF)识别,需要同时考虑输入分布变化、连续片段的统计相关性以及报警事件的定义。本文以信号处理与统计评价为主线,区分原文发现与方法学评述,讨论轻量化模型的适用范围及后续验证重点。
研究设计与主要发现
Ribeiro 等在《Scientific Reports》报告了 TRAdA 队列研究:共 173 名受试者,第一阶段 56 人记录 24 小时,第二阶段 117 人记录 7 天。模型先在 CinC2021 数据上训练,再用第一阶段数据微调,以第二阶段的 10 秒心电片段评价性能。其 LiteVGG-11 网络含 20,365 个参数,微调仅更新全连接层。[1]
| 指标 | 原模型 | 微调模型 |
|---|---|---|
| 敏感度 | 98.2% | 95.2% |
| 特异度 | 91.4% | 97.1% |
| F1 分数 | 0.777 | 0.891 |
结果解释:特异度提高 5.7 个百分点,同时敏感度下降 3.0 个百分点,体现了检出能力与误报控制的权衡。F1 分数提高并不表示所有性能维度均得到改善,也不能直接等同于患者级诊断效能。
方法学评述:域适配与模型复杂度
设备导联向量、采样及预处理流程的变化,都可能使部署场景的输入分布偏离训练数据,这类差异构成域偏移。评价域适配时,应分别报告权重更新、决策阈值调整和信号质量筛选的作用。若这些条件同时改变,仅比较最终 F1 分数难以确定收益来源。
更有解释力的比较方案,是在同一预设测试集上,依次评价原模型、仅调整阈值的模型和微调模型;固定输入处理及评价终点,才能估计不同适配步骤的增量价值。测试数据应与模型选择过程隔离,避免反复调参造成评价偏乐观。
轻量化应作为独立的工程终点评价。除参数量外,还应报告运算量、推理延迟、峰值内存及能耗,并在拟部署设备和完整信号处理链上测量。较小的网络规模本身不足以证明实时运行能力,也不构成临床可靠性的证据。
统计解释:片段性能与报警负担
敏感度、特异度与 F1 分数回答的是不同问题。F1 是精确率与召回率的调和平均,未纳入真阴性计数,其数值也受测试集阳性比例影响。因此,研究报告需要同时交代标签定义、阳性比例、决策阈值和置信区间,避免将单一综合指标作为完整性能结论。
片段级假阳性与独立报警事件应分别计数。连续多个片段的误判,在事件合并前可能被重复累计;平滑或多数投票可减少报警次数,也可能增加短事件的漏检或检测延迟。因此,比较误报负担时,应固定事件合并规则、最短持续时间及可分析信号时长,并同步评价事件级敏感度。
建议预设的联合终点:片段级混淆矩阵、每 24 小时可分析信号中的独立误报事件数、事件级敏感度、检测延迟,以及房颤负荷估计误差。每项均应注明统计单位、分母与不确定性。
同一受试者的相邻片段通常并非独立观测。若仅将大量片段视作独立样本,可能低估性能估计的不确定性。后续研究可采用以受试者为重采样单位的 bootstrap 等方法,并同时报告受试者数、有效记录时长与片段数。
证据边界与后续研究设计
原文的第二阶段评价基于每人 210 分钟的抽样标注,日误报率为外推估计;标注由一位心脏科医生完成,尚缺覆盖完整记录的患者级诊断评价。[1]
基于这一证据范围,本文认为片段性能的改善支持继续开展目标场景验证。要进一步讨论完整监测周期的诊断效能或临床获益,需要为相应终点建立独立证据。后续研究可优先考虑以下设计:
- 受试者独立性:按受试者划分训练、调参与测试数据,避免同一人的相关片段跨集合分布;预先固定测试方案与模型版本。
- 外部适用性:在不同中心、设备与目标人群中开展外部评价,并按信号质量、心律类型及关键人群特征报告分层结果。
- 参考标准:采用多位独立阅片者、盲法复核及争议裁决流程,报告标注一致性;明确不可判读片段的处理规则及其对有效监测时长的影响。
- 临床工作流程:在前瞻性研究中预设复核时间、确诊检出率及随访相关终点,评价算法加入工作流程后带来的增量价值。
报告层面可参照 TRIPOD+AI [2],透明描述数据来源、模型开发与评价过程、分层结果及数据和代码可用性。该规范用于提高报告完整性,不替代偏倚风险评估,也不证明模型已具备临床有效性。
参考文献与解读说明
[1] Ribeiro, E., Soares, Q.B., Almeida, D.A. et al. Long-term continuous monitoring of wearable ECG signals for atrial fibrillation detection. Scientific Reports 16, 24774 (2026). DOI:10.1038/s41598-026-54532-x。
[2] Collins, G.S., Moons, K.G.M., Dhiman, P. et al. TRIPOD+AI:使用回归或机器学习方法的临床预测模型研究报告规范。BMJ 385, e078378 (2024). DOI:10.1136/bmj-2023-078378。
文献 [1] 首次发表日期为 2026 年 5 月 30 日,出版页面另标注正式记录版本日期为 2026 年 8 月 11 日;本文解读发布日期为 2026 年 10 月 10 日。
本文为心曜医疗撰写的研究评述。研究设计、表中数值及抽样局限依据文献 [1],其余方法学分析与后续研究建议为编辑评述。该研究不属于心曜医疗产品的临床验证,其结果不用于说明本公司六导联系统的性能。