Development and validation of an ECG-based 10-year risk prediction model for Major Adverse Cardiac and Cerebrovascular Events in UK Biobank

该研究基于英国生物样本库数据开发并验证了两种基于心电图的 10 年主要不良心脑血管事件风险预测模型，发现尽管心电图指标能独立预测风险，但将其与 QRISK3 临床风险因素结合后仅能带来边际的预测性能提升。

要点

这篇研究论文就像是一次**“心脏体检的升级实验”。研究人员想搞清楚：在预测未来 10 年是否会得心脏病或中风（也就是文中说的“重大不良心脑血管事件”）时，除了我们熟悉的常规体检指标（如年龄、血压、胆固醇），心电图（ECG），特别是运动时的心电图**，能不能提供额外的“超能力”？

为了让你更容易理解，我们可以把心脏比作一辆正在行驶的汽车，把预测心脏病风险比作预测这辆车未来会不会抛锚。

1. 核心故事：给汽车做“动态路测”

通常，医生预测心脏病风险，就像看汽车的静态参数：这车多少年车龄（年龄）、开了多少公里（体重/病史）、油箱里油质如何（胆固醇）、轮胎气压正不正常（血压）。这就是著名的 QRISK3 模型，它是目前英国医生最常用的“算命工具”。

但这篇论文的研究人员想：“如果我们在汽车行驶过程中，甚至是在它爬坡（运动）的时候，听听引擎的声音、看看仪表盘的反应，能不能更准地预测它会不会坏？”

于是，他们找来了 41,000 多名 英国人（来自英国生物样本库 UK Biobank），这些人之前都没有心脏病。他们让这些人做了一件特别的事：

• 静止时测一次心电图（怠速状态）。
• 骑动感单车做中等强度运动时测一次（爬坡状态）。
• 停下来休息时再测一次（刹车后的状态）。

2. 两种“读心”技术：老派侦探 vs. AI 侦探

研究人员用了两种方法来分析这些心电图数据：

• C-ECG（传统派侦探）： 就像老派的汽车技师，他们人工测量心电图上的几个固定指标（比如心跳间隔、波形长短）。这就像看仪表盘上的几个固定数字。
• ECGAI（AI 侦探）： 这是一个深度学习的人工智能。它不看具体的数字，而是直接“吃”掉整个 7 分 15 秒的心电图原始波形。就像是一个拥有超级听觉的 AI，它能听到引擎里人类听不到的细微杂音，或者看到人类肉眼看不到的微小震动模式。

3. 实验结果：AI 确实有点料，但没那么多“魔法”

经过长达 12.5 年的跟踪（就像把车放在路上跑了十几年），研究人员发现：

• 独立预测能力： 无论是传统派还是 AI 派，运动时的心电图确实能独立预测心脏病风险。也就是说，光看运动时的心电图，就能猜出谁未来可能“抛锚”。这就像听引擎在爬坡时的声音，确实能判断车况。
• 加上常规指标后： 但是，当把这些心电图数据加到现有的“静态参数”（年龄、血压等）模型中时，提升非常有限。
  • 比喻： 想象你本来有一个很准的天气预报（常规风险模型），现在你加了一个“看云识天气”的专家（心电图）。虽然专家确实能看出点门道，但最终的预报准确率并没有发生翻天覆地的变化。
  • 数据表现： 模型的预测准确度（C-index）只提高了 0.03 左右。这在统计学上算“有进步”，但在临床上，意味着它并没有把很多人从“低风险”重新归类为“高风险”。

4. 特别发现：对女性可能更有用

有趣的是，这个 AI 模型在女性群体中表现稍微好一点点。它能把一些原本被低估风险的女性，更准确地识别出来。这就像 AI 侦探对女性引擎的“特殊噪音”更敏感一些。

5. 为什么没有“神效”？（局限性）

研究人员也坦诚地解释了为什么心电图没有带来“革命性”的突破：

• 人群太健康了： 参加测试的人都是自愿报名的，本身身体就比普通人好（就像参加路测的都是刚买的新车，坏的概率本来就低）。
• 运动强度不够： 这是一个“次极量”运动测试，大家只是骑了个中等强度的单车，没有骑到力竭。就像车只是上了个小坡，没上陡坡，所以有些潜在问题没暴露出来。
• 信号干扰： 运动时身体晃动，心电图会有杂音，就像在嘈杂的车间里听引擎声，难免听不真切。

6. 总结：给医生的建议

这篇论文的结论很实在：

• 心电图（尤其是运动心电图）确实包含有用的健康信息，它不是废数据。
• 但是，对于目前大多数没有心脏病史的低风险人群，仅仅为了预测未来风险而去做运动心电图，性价比不高。现有的常规体检指标（年龄、血压等）已经做得很好了，加上心电图并没有带来质的飞跃。
• 未来方向： 这种 AI 技术可能在高风险人群（比如已经有心脏病迹象的人）中更有用，或者需要更高质量的信号采集技术。

一句话总结：
这就好比你给汽车做保养，现有的检查表（年龄、血压）已经能帮你避开 90% 的大坑了。虽然加一个“听引擎声”的 AI 助手能多发现一点点隐患，但对于大多数车况良好的车来说，它还没到必须每天带着它去修车厂的地步。不过，这个 AI 助手在女性车主中似乎稍微更灵光一点。

技术摘要

以下是基于该预印本论文《Development and validation of an ECG-based 10-year risk prediction model for Major Adverse Cardiac and Cerebrovascular Events in UK Biobank》的详细技术总结：

1. 研究背景与问题 (Problem)

• 核心问题：尽管心电图（ECG）常用于诊断心脏疾病，但其是否能独立于传统风险因素（如 QRISK3 模型中的年龄、性别、血压等）提高对主要不良心血管和脑血管事件（MACCE）的长期预测能力，目前尚不明确。
• 现有局限：
  • 传统风险评分（如 QRISK3）依赖非可改变因素（年龄、性别），个体间异质性大，且依赖已确诊的风险因素（如房颤），而这些因素常被漏诊。
  • 既往关于静息或运动心电图的研究存在样本量小、随访时间短、未整合现有临床风险模型等局限。
  • 大多数研究仅使用传统 ECG 参数，缺乏对原始信号中细微模式的捕捉能力。
• 研究目标：评估基于静息、运动及恢复期心电图测量的风险评分（包括传统参数和深度学习模型）是否能独立预测 MACCE，以及将其添加到临床风险模型（QRISK3 衍生模型）后是否能显著提升预测性能。

2. 研究方法 (Methodology)

• 数据来源：英国生物样本库（UK Biobank）中的 41,076 名参与者。这些参与者接受了次极量自行车功率计运动试验（submaximal cycle ergometry test），且无 MACCE 病史。
• 数据收集：
  • 使用单导联心电图设备，在静息（15 秒）、运动（6 分钟次极量负荷）和恢复期（1 分钟）记录 ECG。
  • 随访中位数为 12.5 年，主要终点为 10 年内发生的 MACCE（缺血性心脏病、心力衰竭、脑血管疾病等导致的住院或死亡）。
• 模型构建：
  1. 传统 ECG 风险评分 (C-ECG)：提取 12 个特征，包括形态学参数（PR、QRS、QTc 间期）和节律参数（PVC 数量、样本熵、Poincaré 图特征等），涵盖静息、运动和恢复三个阶段。
  2. AI ECG 风险评分 (ECGAI)：
     • 使用完整的 7 分 15 秒原始 ECG 信号（包含静息、运动、恢复全过程）。
     • 采用深度生存模型 (Deep Survival Model)：基于 50 层 ResNet-V2（1D 卷积）结合长短期记忆网络（LSTM）。
     • 损失函数显式加权了删失数据（censored cases），以处理时间 - 事件数据。
  3. 临床基准模型：
     • 重新拟合基于 QRISK3 风险因子的 Cox 比例风险模型（称为"Cox clinical"），以校正 UK Biobank 人群中的校准偏差。
     • 构建基于 QRISK3 因子的深度生存网络（Clinical DSN）作为对比。
• 验证与评估：
  • 内部验证：5 折交叉验证 + 1000 次 Bootstrap 迭代。
  • 评估指标：Harrell's C-index（区分度）、净重分类指数（NRI）、净获益（Net Benefit）、校准曲线。
  • 统计调整：多变量 Cox 回归调整了年龄、性别、吸烟、种族、剥夺指数等。

3. 关键贡献 (Key Contributions)

• 最大规模人群研究：这是迄今为止最大的基于人群的队列研究，专门评估次极量运动心电图对无 CVD 病史人群的长期 MACCE 预测价值。
• 首次应用深度生存模型：首次将深度生存网络应用于次极量运动 ECG 数据，以预测 10 年心血管风险。
• 多维度评估：不仅评估了静息、运动、恢复各阶段的独立预测能力，还系统评估了 ECG 数据添加到现有临床指南（QRISK3）后的增量价值（区分度、重分类、校准）。
• 填补指南空白：响应了美国预防服务工作组（USPSTF）关于缺乏运动心电图预后证据的呼吁，提供了大规模数据支持。

4. 主要结果 (Results)

• 独立关联性：
  • ECGAI（深度学习评分）与 MACCE 风险呈线性正相关。每增加一个标准差（SD），风险比（HR）为 1.18 (95% CI: 1.15-1.21)。
  • C-ECG（传统参数评分）同样独立预测 MACCE，HR 为 1.76 (95% CI: 1.63-1.91)。
  • 运动期间的 ECG 测量显示出最强的预测能力。
• 预测性能：
  • 在仅使用 ECG 的模型中，ECGAI 的 C-index 约为 0.59，优于单一的传统临床因子（除年龄和收缩压外）。
  • 但在加入临床风险因子后，ECGAI 的 C-index 提升幅度较小。
• 增量价值 (Added Value)：
  • 区分度 (Discrimination)：将 ECGAI 添加到 Cox 临床模型中，C-index 仅提升了 0.002 (95% CI: 0.000–0.003)，提升幅度非常有限。
  • 重分类 (Reclassification)：
    • 在总体人群中，连续 NRI 有显著改善，但分类 NRI（在 10% 风险阈值下）在总体人群中无显著改善。
    • 亚组发现：在女性中，ECGAI 显著改善了分类 NRI (NRI = 0.09, 95% CI: 0.06–0.11)，表明在女性亚组中风险分层有所增强。在年轻男性（<45 岁）和老年女性（>55 岁）中也观察到一定的重分类改善。
  • 深度学习 vs 传统模型：基于深度学习的临床生存网络（Clinical DSN）比传统 Cox 模型具有更好的区分度（ΔC-index = 0.032），但添加 ECG 数据后，其增量价值依然有限。
• 校准：所有模型在研究人群中校准良好，但在低风险个体（<5%）中存在系统性低估。

5. 意义与结论 (Significance & Conclusion)

• 主要结论：
  • 次极量运动心电图测量的风险评分（无论是传统参数还是 AI 模型）能独立预测 10 年 MACCE 风险。
  • 然而，当将其添加到现有的临床风险评分（如 QRISK3）时，仅带来微小的预测性能提升，且未能显著改变基于当前临床指南（10% 风险阈值）的患者重分类。
• 临床启示：
  • 研究结果支持 USPSTF 的结论，即在低风险人群中，常规使用运动心电图进行一级预防筛查的临床效用有限。
  • 尽管 AI 模型在女性亚组中显示出一定的重分类优势，但在大规模人群中，其增量获益不足以支持将其作为常规筛查工具。
• 局限性：
  • 健康志愿者偏差：UK Biobank 参与者本身健康状况优于普通人群，且运动试验有严格筛选，导致事件发生率较低（7.3% vs 普通人群 18%），可能削弱了 ECG 的预测价值。
  • 信号质量：运动过程中的运动伪影可能降低了单导联 ECG 的形态学特征提取质量。
  • 缺乏外部验证：由于缺乏具有可比性的外部数据集，结果的泛化能力受限。
• 未来方向：建议在未来针对高风险人群进行研究，因为在该类人群中，运动 ECG 结合深度学习模型可能展现出更显著的临床获益。

总结：该研究通过大规模数据验证了 AI 驱动的心电图风险评分在心血管事件预测中的独立关联性，但同时也严谨地证明了在现有临床风险框架下，其增量价值有限，提示目前不应盲目推广运动心电图作为低危人群的常规筛查手段。