未来随着人工智能设备的普及,更多智能检测和辅助设备将用于心脏病病人的各个阶段,不止局限于医院,还能用于家庭等场所,通过大量的机器学习和深度学习,为心脏康复病人提供医疗康复建议和分析病人心脏状况｡

《中国心血管健康与疾病报告2021》显示:中国现有心血管疾病病人约3.3亿人,心血管疾病是我国居民死亡的主要原因｡心脏康复是心血管疾病二级预防的重要方式,对病人的生理､心理有着重要的作用,可以帮助减轻心血管病病人再发心血管事件的风险,提高病人的医疗护理效率｡人工智能是一门新型学科,被广泛应用于自动驾驶､智能家居､机器翻译､医学等各个领域｡随着心脏康复需求的增加,人工智能开始在心脏康复领域得到应用｡

人工智能是计算机科学的一个分支,是利用计算机技术模拟､扩展和研发人类智能的新兴学科｡人工智能技术主要研究方向包括:机器学习､深度学习､计算机视觉､自然语言处理､自动推理和机器人学等｡机器学习是人工智能算法的基础,是一种使用数据和算法来模仿人类学习的方式｡机器学习工具集已经发展壮大,包括许多数学模型如决策树､神经网络､支持向量机､贝叶斯分类器､聚类算法和组件分析｡深度学习被广泛应用于图像､语音和文本处理方面,其中在图像处理方面已经运用于人脸识别､自动驾驶､医学影像识别当中｡深度神经网络由数十层甚至数百层层叠而成,卷积神经网络是深度神经网络的一种,可以自动学习､发现和组合局部图像特征(例如边缘或颜色对比度),以提高抽象水平,最终实现结果的预测,它的优势在于管理输入(即图像数据)和输出(即结果)之间的复杂关系｡

心脏康复是一门涵盖心脏病学､康复医学､心理学､预防医学､护理学等专业的临床学科,通过五大核心处方训练,改善心血管病人的心脏及身体功能,预防各种心血管事件的发生,为心血管病人提供全面系统的治疗｡心脏康复是一项精心策划的计划,它包括运动训练和体育活动促进､健康教育､心血管风险管理和心理支持,针对心脏病病人的个人需求制定个性化康复计划,帮助心脏病病人过上更健康的生活｡心脏康复分为3个阶段,第一阶段(医院内康复期):心血管病人在住院期间进行各种运动锻炼｡第二阶段(门诊康复期):出院后的病人进行有监督的锻炼计划,在此期间监测心律､心率､血压和症状,锻炼计划包括低程度的有氧运动(步行､卧姿训练､自行车)和力量训练｡训练计划包括健康教育,戒烟､控制血糖､管理血压､控制血脂的药物方案,以及健康饮食和控制体质量｡病人就诊心理健康门诊治疗可能出现的抑郁症､焦虑症等心理疾病｡第三阶段(院外长期门诊):在此阶段,病人在无监测下选择继续运动训练或教育课程｡越来越多的学者建议在心血管疾病诊治过程中进行心脏康复,包括急性冠状动脉综合征､心力衰竭和冠状动脉血运重建术[经皮冠状动脉介入(PCI)或冠状动脉旁路移植术(CABG)]｡当病人在过去12个月内至少发生以下健康事件之一时,心脏康复是必要的:急性心肌梗死､冠状动脉成形术､心脏或肺移植､心脏瓣膜修复､CABG､PCI､心力衰竭､心动过速或心房纤颤｡

人工智能在心脏康复中主要被用于辅助训练､心电监测､制定个性化运动计划､预测心血管事件､评估康复效果等方面｡

3.1  人工智能通过可穿戴设备检测病人的身体状况

心脏康复的过程中如何精准､有效地评估病人的身体状况是康复过程的难点｡可穿戴检测设备可以通过传感器､现代通信技术将人体健康状况数据发送到大数据平台,帮助病人检测身体状况｡Lee等使用居家移动心肺康复咨询系统来提高康复效果,改善心脏病病人的预后｡该系统通过蓝牙连接接收可穿戴设备发出的心电和呼吸信号,将信号发送到心律失常检测专家系统和后台的医疗保健服务器,可以随时随地进行全面的心肺监测并提出对应的措施帮助病人进行心脏康复｡心脏病病人常常伴有各种心律失常,心律失常与多种心源性猝死有关,迫切需要对异常心跳进行检测｡动态心电图在临床中用来长期监测心脏状况｡然而从大的动态心电图数据集中准确区分稀疏的异常心跳非常困难｡Bie等提出了一种用于心律失常检测的改进的分层聚类方法,它基于对动态心电图PQRST(P⁃T)波的11个几何特征的有效解读,并从心律失常数据库中选择数据集用于验证该方法的有效性,结果表明,新的心律失常检测过程快速并且聚类准确｡多位学者通过对可穿戴心电检测设备传送的心电图构建信号处理和机器学习模型,客观地跟踪心脏康复病人的身体状况｡

3.2  人工智能用于制定个性化运动方案

心脏康复计划应当根据病人的生理和心理状况进行适当的调整,人工智能可以帮助医疗工作者为心脏病病人制定个性化的康复计划｡个性化医疗的目标是优化针对特定病人的治疗方案,最大限度地提高治疗效果｡心力衰竭综合征包括特别异质的病人群体,一些治疗方案的成功率有限,需要制定个性化治疗方案｡机器学习方法已应用于心力衰竭病人的诊断､分类､再入院评估､药物依从性评估以及识别多种疾病中的不同症状群,如射血分数保留型心力衰竭｡心力衰竭病人常常需要进行心室再同步化治疗｡Cikes等将1106例需要进行心脏再同步治疗的病人分为使用心脏再同步除颤器组(CRT⁃D,n=677)和植入式心脏复律除颤器组(ICD,n=329),使用无监督机器学习算法比较CRT⁃D对主要结果(全因死亡或心力衰竭事件)和容积反应的治疗效果,结果证明利用复杂超声心动图数据和临床参数的机器学习算法可用于对心力衰竭队列进行分类,并确定对心脏再同步治疗有益的病人,可能有助于优化特定治疗效果｡Dor⁃Haim等设计了一种新型数字平台,可以以连续的方式接收数据,允许临床团队对数据进行解释,从而提高病人对其康复过程的参与度和对其身体状况的认识,它还可以总结病人在康复期间的活动以及他们选择执行计划的时间｡Vourganas等设计了一种个性化家庭康复支持系统,使用机器学习方法,用于以病人为中心的个性化家庭康复支持,该方法既适用于康复目标的设定,也适用于疾病的诊断,通过该方法可以评估病人康复效果｡Meneu等通过计算机智能平台对病人进行持续监测,跟踪病人随访趋势进行自我学习,同时结合了循证知识和计算机化临床指南以实现风险的聚类和识别,并将其纳入护理周期进行个体化心血管康复治疗｡Schindelholz等使用智能机器人通过监测心率,调整病人的运动强度,在心血管病人康复中有应用前景｡Lara等设计了一种新型的人机传感器接口用来辅助心脏康复运动,该系统通过人机传感器将激光测距仪､心率监测器和跑步机结合,可根据实时结果估计时空步态参数,该参数可用于指示病人在康复治疗中的表现以及步态的正确性,并为医务人员和病人提供有用的信息｡智能手表和智能手机､诊断和家庭监控设备被广泛用于心脏康复病人的护理当中｡Sotirakos等的荟萃分析指出:将人工智能纳入医疗保健､心脏康复监测中,有助于早期发现心脏事件,实现基于家庭的监测,改善临床医生的决策｡

3.3   人工智能用于建立心脏康复的预测模型

机器学习和深度学习被广泛应用于心脏康复预测模型的建立当中,预测模型可以在心脏康复过程中帮助预测病人预后及危险因素等｡社会辅助机器人已被证明是能帮助病人进行身体康复的重要工具,用于向用户和健康专业人员提供关于病人状态和表现的反馈｡社会辅助机器人通过传感器接口对病人进行监测｡在这种情况下,为了避免过度训练,需要监测的最重要参数之一是疲劳水平｡Aguirre等利用机器学习预测了时间特征(站立到站立时间和坐到站立时间)和3个运动学特征(旋转底座的最大垂直速度､膝关节屈伸最大速度和髋关节屈伸速度)与疲劳程度有显著相关性,为及时评估运动训练的极限提供标准｡在心血管事件发生后,鼓励病人参加有监督的基于运动的心脏康复计划非常有意义｡然而,这些计划的接受率很低,对足够数量的体力活动的依从性更低｡为提高病人坚持锻炼的程度,需要探索影响病人对心脏康复训练的依从性的因素｡

3.4   人工智能通过机器人辅助心脏康复运动训练

部分心脏病病人由于心脏功能或中枢神经系统存在活动受限,因此需要机器辅助帮助训练｡这些人的有氧运用能力严重下降,传统康复方案不能达到运动训练要求｡Stoller等进行了一项随机对照试验,招募首次卒中后(≤20周)的受试者,并将受试者随机分配到使用反馈控制机器人辅助跑步机锻炼或常规机器人辅助跑步机锻炼的住院心血管锻炼计划当中,结果显示反馈控制机器人辅助跑步机锻炼的训练强度显著高于常规锻炼｡混合辅助肢体是世界上第一款为身体有障碍的病人提供运动辅助的半机器人式装置,可以给活动受限的心脏病病人提供帮助｡Pak等的研究显示,混合辅助肢体有可能减轻中等强度运动时的心肺负担,因此可以作为运动治疗的支持｡Watanabe等进行了一项随机对照试验,比较在腰椎型混合辅助肢体的辅助下进行的运动治疗与传统训练(无混合辅助肢体的坐立运动)在慢性心力衰竭病人中的疗效,结果显示,辅助肢体提高了锻炼能力,缩短了住院时间,并降低再次入院的风险｡

3.5  人工智能提高心脏康复依从性

在心脏康复过程中,病人由于各种原因存在心脏康复计划未能按照要求进行,因此,提高病人的依从性对心脏康复至关重要｡Aharon等建立了WellBeat系统,该系统通过人工智能算法为每个病人生成持续的个性化短信,每周发送2次,并将每个病人的动态概况与他们的日常行为联系起来,从而创建连续性,并强化所需的行为,可以在不增加医疗保健负担的情况下提高病人依从性,使病人受益｡病人依从性除受到生理上和外部条件制约外,还受到情绪的影响｡Zhang等提出一个具有人工智能处理器的网络护理系统,通过心理咨询和术后随访,可以改善病人的乐观和积极情绪,减少病人的消极情绪｡

随着人工智能技术不断发展,人工智能被广泛应用于医学领域,用于帮助临床医生进行决策辅助和为病人提供医疗建议｡目前,人工智能在心脏康复方面缺乏大量数据,因而心脏康复人工智能的发展仍有一定的局限性｡未来随着人工智能设备的普及,更多智能检测和辅助设备将用于心脏病病人的各个阶段,不止局限于医院,还能用于家庭等场所,通过大量的机器学习和深度学习,为心脏康复病人提供医疗康复建议和分析病人心脏状况,将数据分析和决策推荐给临床医生､护理工作者､医疗机构､研究机构等,为心脏康复提供更加精准的康复方案｡在未来,人工智能不是用来取代心脏病专家,而是增强心脏康复的技能｡