房颤（Atrial Fibrillation, AF）作为最具临床意义的持续性心律失常，其全球发病率呈现显著上升趋势。据流行病学调查显示，2010年至2019年间，全球房颤患病人数从3350万激增至5900万，已成为威胁公众健康的重要公共卫生问题。过去十年间，医学界在房颤的筛查、检测和评估方面投入了大量资源，旨在推动预防性抗凝治疗的及时开展。然而，房颤的早期诊断仍面临严峻挑战：其临床表现常呈无症状性或间歇性发作，而传统基于心电图（ECG）的诊断方法通常仅能进行持续10秒至几分钟的短暂筛查，往往在并发症发生后方能确诊，此时已错过最佳治疗时机。此外，接触式测量的局限性也制约了其长期监测的可行性。

在此背景下，中国科学技术大学附属第一医院心内科Yuqin Yuan团队在Nature Communications上发表了题为"Atrial fibrillation detection via contactless radio monitoring and knowledge transfer"的创新性研究。该研究开发了一种基于人工智能（AI）和毫米波雷达技术的非接触式房颤监测系统，通过将无线电信号捕获的心脏机械运动转化为房颤检测指标，实现了无需接触、无需操作、无需穿戴设备的房颤监测。该系统经大规模临床验证，其检测性能已接近基于心电图的房颤诊断水平。

本研究的创新之处在于：当无线电信号到达体表时，其反射信号会将体表运动线性调制到回波信号的相位变化中。通过提取这些相位变化，可以重建相应的机械运动，而这些运动正是由心脏内部的机械活动所驱动。与此同时，研究者巧妙利用了心脏兴奋-收缩耦合机制中电活动与机械活动之间的非线性关系，构建了知识转移路径。具体而言，通过借鉴已确立的心电图诊断知识（代表心脏电活动），引导识别与房颤相关的机械运动特征，从而显著提升了房颤检测的准确性。

为验证该系统的可靠性，研究团队构建了名为"RECG"的大型数据集，纳入了6258名门诊患者作为研究对象。在患者进行常规30秒心电图筛查时，同步采集了无线电信号和心电图数据。所有心电图数据均经专家标注，为房颤诊断提供了可靠的ground truth。研究样本中，3030例患者被诊断为心脏异常，其中229例为房颤患者。这些异常涵盖了房颤（AF）、室性早搏（PVC）、窦性心律失常（SA）、房性早搏（PAC）等常见类型，以及左前分支传导阻滞（LAFB）和心肌梗死（MI）等罕见或非典型异常（详见补充说明1.2）。

综上所述，本研究首次建立了基于毫米波雷达的非接触式房颤诊断方法，为该领域设立了新的研究基准。这不仅为非接触式心脏节律诊断开辟了新的研究方向，也为雷达技术在生命与健康监测领域的应用带来了新的机遇与挑战。该技术的成功开发有望突破传统房颤诊断的局限性，为房颤的早期发现和及时干预提供强有力的技术支持。

论文链接：

Atrial fibrillation detection via contactless radio monitoring and knowledge transfer | Nature Communications

注：此研究成果摘自《Nature Communications》杂志，文章内容并不代表本网站的观点和和立场，仅供参考。