npj digital medicine | 一次常规Holter检查，全天心电图预测五年内心衰风险：可解释AI模型DeepHHF登上《npj数字医学》

心力衰竭是65岁以上人群的“头号杀手”之一，传统风险评分与短时心电图快照对其长期预测力有限。以色列团队利用20年积累的69763条Holter记录，开发出深度学习模型DeepHHF——通过分析完整24小时单导联ECG信号，将五年心衰风险预测的AUC提升至0.80，显著优于临床常用的PCP-HF评分（AUC 0.74）。更关键的是，可解释性分析揭示了模型关注的并非单一指标，而是全天候捕捉的室性早搏、室上性异位搏动等阵发性电生理异常——这些恰恰是传统10秒12导联ECG极易错过的“蛛丝马迹”。这项研究标志着心衰风险筛查正从“瞬间快照”走向“全天候动态监测”的新范式。

现有范式的局限与未满足的临床需求

心力衰竭在全球影响着约6400万人，在65岁以上人群中的患病率高达11.8%。它并非单一疾病，而是一种进行性综合征——从风险因素暴露到无症状结构性心脏改变，再到出现症状、反复住院，病程可长达数年。美国心脏协会明确指出，早期识别和干预风险因素是延缓或阻止心衰进展的最有效策略。

然而，问题的核心在于：我们能否在患者尚未出现明显症状之前，就可靠地识别出未来五年内会发展为心衰的高风险个体？

现有工具在这个问题上的表现并不理想。临床上常用的PCP-HF风险评分（2019年发表，被2022年AHA/ACC/HFSA指南推荐）整合了年龄、血压、BMI、血糖、血脂、吸烟史及心电图QRS时限等变量，在大型队列中的AUC约为0.74至0.87。但其局限性同样明显：依赖多源临床数据的完整录入，在真实世界中的可行性受限于数据缺失；且该评分最初开发时排除了已有心血管病史的人群，对于临床实践中大量存在的“已有心血管异常但尚未发生心衰”的患者，适用性存疑。

与此同时，基于人工智能的ECG分析近年来取得了令人瞩目的进展。2019年，Attia等人证明AI可通过12导联ECG识别左心室收缩功能障碍（射血分数≤35%），AUC高达0.93。但这一方法本质上是在检测“已经存在的”心衰（而且是心衰的一个亚型——射血分数降低型），而非预测“未来即将发生的”心衰。更关键的是，射血分数保留型心衰占全部心衰病例的近一半，这些患者的EF值正常，仅靠EF筛查会漏掉大量高风险个体。

还有一个更深层的问题被长期忽视：当前绝大多数AI-ECG研究使用的都是10秒左右的短时12导联ECG记录——这相当于用一张“快照”去判断一个“动态过程”。阵发性心律失常、夜间心率变异性异常、昼夜节律扰动等关键电生理信息，在10秒的窗口内可能完全不存在或无法被可靠捕获。而Holter ECG——一种可记录24小时甚至更长时间的单导联动态心电图——恰恰能够捕捉这些“稍纵即逝”的电生理信号，却因数据量庞大、建模复杂度高，长期未被AI系统充分利用。

正是在这一背景下，以色列理工学院与Leumit健康服务公司的联合团队提出了一个大胆的假设：如果我们用完整的24小时单导联ECG数据训练深度学习模型，能否实现对五年内心衰风险的可靠预测？

技术原理与方法论创新

数据基础：一个跨越20年的大型真实世界数据库

本研究的核心支柱之一是TLHE数据集的构建。研究团队与以色列四大健康维护组织之一的Leumit合作，整合了2003年至2024年的电子病历数据与2010年至2023年的Holter ECG记录。最终数据集包含69,663条Holter记录，来自47,729名患者，覆盖20个初级保健机构。每一条记录都关联了完整的时序性诊疗数据、用药记录、实验室检查、住院信息和死亡登记——这种“ECG + 全维度临床数据”的纵向耦合在规模和质量上均属罕见。

经严格排除（剔除已有心衰诊断的记录、时长不足20小时的文件、年龄<18岁等），最终研究队列包含57,575条记录，其中6.0%在Holter检查后五年内被首次确诊为心衰。测试集则被严格限定为2018年1-4月的所有连续记录，确保所有患者均具备完整的五年随访数据。

模型架构：从“快照”到“长序列”的两步训练策略

DeepHHF的核心创新在于其两步训练架构，巧妙地解决了24小时连续ECG建模的计算瓶颈：

第一步——编码器训练：将每条24小时记录分割为连续的3分钟片段，从每个片段中随机采样一个30秒窗口（共480个窗口/记录），训练一个基于EnCodec架构的编码器。这一设计借鉴了神经音频压缩领域的成熟技术，通过残差块和步长卷积层将高维原始信号压缩为低维紧凑的潜在表征。编码器本身即可对单个30秒窗口进行心衰风险评分，作为“短时快照”的基线。

第二步——序列头训练：冻结编码器权重，将其作为固定的特征提取器。此时采样策略改为每2分钟提取一个30秒窗口（共720个窗口/记录），形成一条长度为720的时序特征序列。该序列输入Transformer编码器，通过多头自注意力机制建模全天24小时的时序依赖关系，最终由全连接层输出整条记录的HF风险评分。

这种两阶段设计的精妙之处在于：它将“提取局部心电特征”和“建模全局时序模式”两个任务解耦，使得即使计算资源有限，也能处理长达24小时的原始信号。模型总参数量约为1300万，在当代AI模型中属于“轻量级”，端到端推理一条24小时记录仅需数毫秒。

可解释性分析：模型究竟“看到了”什么？

研究团队采用梯度注意力展开方法进行可解释性分析——这比简单可视化原始注意力权重更为可靠，因为它将梯度信息与注意力权重相结合，更准确地追踪输入对模型输出的影响。

对模型判定为“高风险”的24小时记录进行分析后发现，DeepHHF的高注意力区间集中在四类特征性心搏上（通过无监督聚类识别）：

1. 1. 室性早搏（两个聚类，呈黄色和灰色）——已知与心衰发生显著相关
2. 2. 正常窦性心律（绿色）
3. 3. 室上性异位搏动（粉色，窄QRS波群且P波消失）——提示房性心律失常，与房颤密切相关

这一发现具有双重意义：一方面，它验证了模型的决策依据与临床医学对心衰电生理机制的理解一致；另一方面，它证明了这些关键电生理异常确实是阵发性的，只有在全天候监测中才能被充分捕获——这恰恰解释了为什么30秒快照的性能（AUC 0.77）低于24小时完整建模（AUC 0.80）。

核心模型性能对比

实验验证与临床价值评估

预测性能：超越临床评分，性别一致

DeepHHF在测试集上的AUROC达到0.80，显著高于PCP-HF评分的0.74（p < 0.05）。值得注意的是，这一比较并非“不公平竞争”——PCP-HF评分需要年龄、血压、BMI、血糖、血脂、吸烟史、QRS时限及高血压/糖尿病用药史等8项变量，而DeepHHF仅依赖原始ECG信号即可实现更优性能。当DeepHHF的评分与PCP-HF的构成变量结合输入逻辑回归时，AUROC进一步提升至0.82，提示ECG信号与临床变量之间存在互补信息。

性别亚组分析显示，男性和女性患者的AUROC均为0.80，表明模型在不同性别间具有良好的一致性。

时序鲁棒性：预测窗口长达五年

为了回答一个关键问题——“模型究竟是在检测已有亚临床疾病，还是在预测真正的未来风险？”——团队进行了两项严谨的分析：

时间分层分析：将测试集按Holter检查距确诊HF的时间间隔分层。结果显示，检查后2年内确诊的亚组AUROC为0.81，2-4年亚组为0.79，4-5年亚组为0.80。性能在五年窗口内保持高度一致。

滞后敏感性分析：逐步排除在Holter检查后1年、2年、3年内确诊的病例，整体AUROC仅从0.80微降至0.79。这意味着DeepHHF的预测能力并非依赖于检测即将发生的心衰（如亚临床状态），而是真正捕获了提前数年即可观测到的电生理风险信号。

临床终点价值：高风险组死亡风险提高4倍

将DeepHHF输出评分按70%特异性（中风险阈值）和90%特异性（高风险阈值）划分为三个风险层级后，Kaplan-Meier生存分析揭示了具有强烈临床意义的发现：

• • 高风险组（约占全部患者的10%）的全因死亡率是低/中风险组的4倍（比值比=4），心内科/内科住院或死亡的复合终点风险为2倍。
• • 值得注意的是，假阳性组的生存曲线与真阳性组几乎重合——这些被模型判定为高风险、但五年内未被诊断为HF的患者，其全因死亡率和心血管共病负担（高血压、糖尿病、缺血性心脏病、心律失常）与真阳性组相当，显著高于真阴性组。这提示模型可能识别出了一类“虽未进展为HF、但整体心血管健康状况严重受损”的高危人群，具有超越HF预测本身的临床价值。

临床流程优化：减少需要筛查的人数

DeepHHF的另一个重要临床价值体现在资源优化层面。研究团队将模型与STOP-HF随机对照试验（评估BNP筛查联合心衰预防策略的效果）进行了桥接分析：STOP-HF试验中，BNP筛查后实施干预使主要心血管事件住院率从对照组的约60/1000患者年降至约40/1000患者年，但需要筛查约61人才能预防1次MACE住院。

当用DeepHHF预先筛选高风险人群后再进行BNP检测时，中风险组的需筛查人数降至30，高风险组进一步降至21——这意味着DeepHHF可将预防性筛查的效率提升约2-3倍，在人群层面显著减少不必要的下游检测和医疗资源消耗。

影响、前景与产业化路径

范式转变：从“快照诊断”到“动态预测”

DeepHHF的核心贡献不在于将AUC从0.77提升到0.80这一数字本身，而在于它证明了“长时程连续ECG建模”这一技术路线的可行性与临床价值。在此之前，绝大多数AI-ECG研究都局限在10秒12导联这一“标准化但信息不完整”的输入空间内。DeepHHF的工作表明，将监测窗口从10秒扩展到24小时，不仅可以捕捉到阵发性电生理事件，还能通过时序建模揭示昼夜节律、心率变异性动态等传统方法无法获取的预测信号。

从产业视角看，单导联长时程ECG设备正处于爆发前夜——iRhythm的Zio贴片、Bittium的OmegaSnap、Philips的ePatch等产品已获FDA批准并进入临床，但当前的应用场景主要集中在心律失常检测。DeepHHF的成果为这些设备打开了一个全新的价值维度：一次佩戴、多重产出——既完成原定的心律失常评估，又同步输出未来数年的心衰风险评分。这种“机会性筛查”模式不增加患者任何额外负担，却可能改变其疾病管理轨迹。

从研究到临床：还需要跨越什么？

尽管结果令人鼓舞，但DeepHHF的临床转化仍面临若干关键挑战：

设备泛化性：所有TLHE数据均来自同一厂商（Spacelabs Lifecard CF）的固定单导联配置。不同品牌的Holter设备、不同电极贴放位置、不同采样率下的信号特征是否会影响模型性能，目前尚未验证。在多种设备、多中心、多信号质量条件下的大规模外部验证是商业化的前提。

人群偏移：Holter检查本身具有明确的临床指征（疑似心律失常、晕厥评估等），因此DeepHHF的适用人群天然偏向于“已有心血管相关症状或风险因素”的患者，而非社区一般人群。其在不同种族（以色列以外）、不同医疗体系中的泛化能力需进一步验证。

EF亚型缺失：本研究未能获取患者的射血分数数据，因此无法评估模型对不同心衰亚型（HFrEF、HFmrEF、HFpEF）的预测差异。从临床决策角度看，不同亚型的预防和干预策略存在显著差异，这是模型未来迭代的重要方向。

阈值校准与临床工作流整合：当前模型主要提供相对风险排序，而非绝对风险估计。虽然研究团队已进行事后校准并将70%/90%特异性对应的五年风险概率映射为约7%/18%，但在实际临床决策中如何定义“高风险”、如何与现有临床路径衔接，仍需通过前瞻性临床试验确立。

更大的图景：可解释AI的信任构建

值得一提的是，DeepHHF的可解释性分析并非事后附会，而是模型设计的有机构成。通过梯度注意力展开，研究团队能够明确指出模型关注的是哪些心电片段、这些片段对应何种心律失常——这为临床医生接受AI决策提供了关键的“理由”支撑。在FDA和EMA日益强调AI医疗器械可解释性的监管环境下，这种设计思路具有明确的合规优势。

正如论文通讯作者Joachim Behar所言：“我们的目标不是让AI取代医生，而是让每次常规Holter检查都能成为一种机会性心血管健康评估——在不增加任何成本的情况下，为医生和患者提供更长远的风险视野。”

结语

DeepHHF的发表标志着长时程动态ECG的AI建模从“计算上的不可能”走向了“临床上的可操作”。它用覆盖20年、近7万条记录的真实世界数据证明：完整的24小时单导联ECG信号可以提前五年预测心衰风险，且性能优于依赖多源临床变量的传统风险评分。

与此同时，这项研究也诚实地展示了自身局限——设备泛化性、人群偏移、EF亚型信息缺失——这些都是在走向大规模临床应用前必须系统解决的工程和临床问题。DeepHHF目前处于实验室验证阶段，其临床效用和安全性需要经过严格的前瞻性临床试验来进一步确认。

尽管如此，本研究为AI驱动的精准心血管预防开启了一个充满希望的新方向。随着单导联长时程ECG设备成本的持续下降和可穿戴心电监测技术的普及，将DeepHHF这类模型嵌入现有临床工作流的技术门槛正在迅速降低。在不远的将来，一次常规Holter检查或许不仅能告诉患者“你现在有没有心律失常”，还能提示“你未来五年需要特别注意心脏了”——这种从反应性医疗到预测性预防的转变，正是数字医学的终极承诺所在。

参考资料

Zvuloni, E., Almog, R., Glikson, M. et al. Modeling day-long ECG signals to predict heart failure risk with explainable AI. npj Digit. Med. 9, 486 (2026). https://doi.org/10.1038/s41746-026-02835-8