中安在线、中安新闻客户端讯 记者5月21日从中国科大获悉，中国科学技术大学陈彦教授团队在非接触式房颤监测领域取得突破性进展。研究团队基于心脏电-机械耦合机制，利用毫米波雷达感知技术，首次实现了大规模人群的非接触式高精度房颤诊断。相关研究成果于5月20日在《Nature Communications》发表。
房颤是最常见的心律失常疾病之一，不仅会引发显著的临床症状，还严重威胁患者生命健康。近年来，其全球发病率呈现快速上升趋势。在亚太地区，2023年房颤患者人数已达约8000万，而中国是该地区患者数量最多的国家。最新研究显示，我国成年人群的房颤总体患病率为1.6%。房颤具有渐进性发展的特点，其病程可从偶发性房颤逐渐进展为持续性房颤，最终发展为难治性永久性房颤。这一特点决定了早期诊断与及时干预的关键作用，对延缓疾病进展、预防卒中及心力衰竭等严重并发症具有重要意义。
心电图（ECG）是房颤诊断金标准，但房颤常呈无症状间歇性发作（尤其在早期阶段）。传统心电图检测仅持续10秒至数分钟，往往在并发症出现后方能确诊，错过最佳治疗时机。动态心电图等可穿戴技术为持续监测提供新途径，但其接触式检测特性导致使用不便，难以在无症状初期长期应用。因此，如何在首例并发症发生前实现早期诊断，仍是临床面临的重大挑战。
房颤发生时，心脏电脉冲的有序传导遭到破坏，紊乱的电信号在心房内无序传播导致节律失调。这种电生理紊乱会引发异常的机械运动，进而驱动胸壁位移形成体表机械波动，该现象可被毫米波雷达检测。这为通过体表机械运动分析诊断房颤提供了新思路。然而，相较于已有百年积累的心电图诊断体系，机械运动的病理学解读超出了传统医学认知的范畴。针对这一挑战，研究团队提出基于知识迁移的网络架构，创新性地建立了心脏电活动与机械运动模态的关联映射，利用经过百年验证的ECG信号特征来辅助神经网络识别房颤特有的异常机械波动。该系统实现了非接触、免操作、无需穿戴设备的检测方式，在大型临床验证中达到了接近心电图诊断的检测性能。该系统在6,258例受试者中进行了测试，检测灵敏度达0.844，特异度达0.995。在对27例房颤发作高风险受试者的日常主动监测中，系统成功在临床确诊前识别出2例房颤患者。此外，该系统还能灵敏识别射频消融手术前后房颤发作的动态变化。
这一优异性能源于两项核心技术突破：1.研究团队针对心脏机械信号提取任务，开发了专用的雷达信号处理算法，可高精度捕获毫米级心脏机械运动；2.通过知识迁移技术与心脏电-机械耦合机制，利用现有大规模心电数据库中的诊断知识，训练AI模型精准识别房颤特有的机械运动模式。
该系统旨在实现完全无接触、无操作的主动房颤监测，可自然融入睡眠或工作等日常生活场景，并支持从健康状态到房颤全病程的终身监测。研究结果表明，该技术有望推动现有房颤诊疗流程向个性化、主动化管理策略转型，从而实现更高效的心血管健康管理。
中国科学技术大学网络空间安全学院博士生袁雨琴，博士后陈金波为文章的共同第一作者；中国科学技术大学网络空间安全学院教授、附属第一医院心内科特聘教授陈彦为文章的通讯作者；中国科学技术大学附属第一医院心内科马礼坤教授、中国科学技术大学孙启彬特任研究员、胡洋副教授、张东恒特任副研究员、卢智特任副研究员、博士生耿瑞旭、龚汉钦、徐贵鑫、濮玉、中科知奇张冬等为文章的共同作者；学校赋权企业合肥中科知奇信息科技有限公司为文章合作单位。相关工作得到了国家自然科学基金委、科技部、安徽省和中国科学技术大学的经费资助。（记者 汪乔）