撰文丨王聰

編輯丨王多魚

排版丨水成文

心房顫動（ Atrial fibrillation，簡稱房顫）是一種常見且嚴重的心率失常，在全球范圍內與較高的發病率和死亡率相關。心電圖（ECG）被認為是診斷房顫的金標準。然而，目前的心電圖檢查主要僅在出現癥狀時或偶爾體檢時使用，因為其測量方式需要接觸皮膚。這種局限性導致難以捕捉到早期的心顫發作，從而錯失了及時干預的機會。

2025 年 5 月 20 日，中國科學技術大學陳彥團隊在Nature Communications期刊發表了題為： Atrial fibrillation detection via contactless radio monitoring and knowledge transfer 的研究論文。

該研究開發了一個基于無線電技術和人工智能的非接觸式房顫檢測系統，該系統有助于在傳統臨床診斷路徑之前檢測出房顫。

在這項最新研究中，研究團隊開發了一種基于人工智能 + 雷達的非接觸式房顫監測系統。該系統通過將無線電波捕捉到的心臟機械運動轉化為房顫檢測結果。該系統能夠以完全非接觸、無需操作且無需設備的方式檢測房顫，其性能接近經過大規模臨床驗證的基于心電圖的房顫檢測方法。

具體而言，該系統在 6258 名門診患者（包括 229 名房顫患者）中進行了測試，其房顫檢測性能與基于心電圖的方法相當，靈敏度為 0.844，特異性為 0.995 。研究團隊進一步在實際日常生活場景（睡眠狀態）中進行了驗證，在 27 名受試者中有 2 人在臨床診斷前成功檢測出房顫。該系統還顯示出能夠捕捉到手術前后房顫發作轉變的敏感性。

該系統的優異性能源于兩項關鍵創新：首先，研究團隊設計了一種毫米波雷達，采用混合信號處理算法來精確捕捉毫米級的心臟機械運動。其次，通過利用知識遷移技術和心臟興奮-收縮偶聯機制，借助基于現有大規模心電圖數據集構建的心電圖診斷知識來訓練人工智能（AI）模型，以實現對房顫相關機械運動模式的精確識別。

盡管該系統僅在相對靜止的受試者身上做了測試，但該研究的初步證據顯示，該系統能夠應用于實際的日常生活場景，在傳統臨床診斷流程之前檢測出房顫。這些結果突顯了其支持可行的終身主動監測的潛力，涵蓋房顫進展的整個范圍。

該技術利用無線電信號遠程捕捉亞毫米級心臟運動，并通過人工智能驅動的知識轉移從心電圖診斷中識別房顫模式

總的來說，該研究開發了一種完全無接觸、無需操作且無需設備的房顫監測系統，能夠無縫融入日常生活（例如在睡眠或工作期間）以支持可行的終身主動監測，涵蓋從無房顫到房顫進展的整個范圍。該系統有望使現有的房顫篩查和診斷工作流程朝著個性化和主動管理策略發展，最終實現更高效的心血管醫療保健。

論文鏈接：

https://www.nature.com/articles/s41467-025-59482-y