来自立陶宛两所大学的研究人员开发了一种患者安全监测技术，用于识别和管理引发心房颤动的个体因素。

该技术是考纳斯理工大学生物医学工程研究所 (KTU BMEI) 和维尔纽斯大学 (VU) Santaros Clinics 成功合作的成果。
心房颤动是最常见的心律失常（心律失常），全世界有 3300 万人被诊断出患有心房颤动。由于人口迅速老龄化，预计这种疾病的患病率在未来几十年内将增加两倍。

因此，及时诊断和治疗心房颤动非常重要，因为它最终可能导致中风等严重并发症。这种疾病通常以自我终止的所谓“阵发性发作”开始，如果及时发现，可以通过非药物手段治疗。

用于心律监测的智能手环已经开发出来

每个患者的这些发作可能有所不同：对于某些患者来说，发作可能会持续很短一段时间并且很少复发，而对于其他患者来说，发作可能会更长且更频繁。未经治疗的心房颤动最终会发展为持续性病症，治疗起来更加复杂。

10多年来，KTU BMEI的研究人员一直致力于房颤监测技术开发领域，他们的努力成果是全球性的新技术解决方案。

我们专注于开发公众和当代医学所需的技术。例如，由于这种情况的普遍存在，每个 65 岁以上的人都应该接受心房颤动检查。非侵入式、紧凑型可穿戴设备是监测此类高危人群健康状况的一个有吸引力的解决方案。”

Vaidotas Marozas，KTU生物医学工程研究所（BEI）所长

几年前，KTU 研究人员开发了一款智能手环，其算法可以识别心房颤动。该手环已与欧盟结构基金资助的 TriggersAF 项目中的其他设备一起使用。

观察到心房颤动和失眠之间的联系

该项目的目的是开发和测试允许患者识别其个人心律失常触发因素的方法。从科学文献中得知，对于某些患者来说，房颤发作可能是由某些可改变的因素引起的，例如酒精、体力活动增加、压力、睡眠障碍。识别和避免个体因素将有助于确定心律失常管理的非药物干预方法。

由于该项目解决的是临床问题，因此拥有每天处理房颤的具有临床经验的临床医生非常重要。其中之一是 VU Santaros 诊所的心脏病专家 Justinas Bacevičius。

“虽然我们医院看到的房颤患者种类繁多，但可以分为两种类型。第一组包括年龄较大、超重、糖尿病、高血压或患有睡眠呼吸暂停的患者。第二组则完全相反 - 通常他们是年轻人、承受很大压力的职业运动员、商人或表演者，”Bacevičius 说。

他说，来自患者的数据表明心律失常的发作与睡眠障碍之间存在联系。有趣的是，即使在未诊断出患有睡眠呼吸暂停的患者中，睡眠期间打鼾与早晨或当天晚些时候房颤发作之间也存在相关性。

开发了独特的数据库

没有客观的方法来确定影响患者心律失常的个体因素。KTU BMEI 研究人员与 VU Santara 诊所的心脏病专家以及瑞典隆德大学的长期合作伙伴 Leif Sörnmo 合作提出了一种方案。它假设心律失常参数（例如发作的相对持续时间）在心律失常诱发因素之后增加。

“我们提出的方法的本质是，患者在设定的监测期内（例如两周）使用可穿戴生物信号记录设备，并将心房颤动的潜在触发因素输入到移动应用程序中。在接下来的两周内，患者避免“确定的潜在触发因素和关系通过 KTU BMEI 研究员 Andrius Petrėnas 博士提出的方程进行评估。如果检测到影响因素与心律失常发生之间的相关性，建议患者避免特定的已识别因素。”Vilma 解释道Pluščiauskaitė 是 KTU 的博士生，也是该项目的初级研究员。

该项目的数据库是世界上第一个此类数据库：其中包括记录的患者生理信号，例如心电图和光电体积描记图，以及输入患者移动应用程序中的潜在心律失常诱发因素。研究人员收集的数据库使他们能够测试开发的方法并识别个体患者的心律失常诱发因素。

项目负责人 Marozas 教授对该项目的成功感到高兴，这将促进该技术的进一步发展。

“该项目生成的数据库是一个独特的结果。我们成功引起了欧洲计量协会资助的一个国际财团对这些数据的兴趣。该财团邀请我们作为合作伙伴加入他们的新项目，我们将继续我们的工作， ”KTU 生物医学工程研究所所长 Marozas 说道。

患者友好的解决方案是关键

缺乏单独识别心律失常诱发因素的技术也可能是由于潜在因素的监测对患者来说不方便，例如患者背负着各种传感器和其他观察方法。或者，他们可能会被要求填写大量调查问卷来识别哪些因素，这些因素本质上容易受到回忆偏差的影响，患者只是忘记了潜在的心律失常诱发因素或不愿意承认某些因素的存在，例如饮酒。

“心律失常的某些影响因素，例如运动增加、压力或睡眠障碍，可以通过专用算法从生理信号中识别出来。然而，其他影响因素，例如饮酒，很难在信号中识别，因此如果患者有机会表明他或她何时饮酒，那就最好了。”Pluščiauskaitė 说道。

所提出的技术不会强迫患者佩戴不舒服的传感器——智能手环已经成为许多人的必备配件就足够了。潜在的心律失常触发因素由患者在提供的智能手机中的移动应用程序上输入。

希望在未来，识别这些心律失常触发因素只需要一个包含互补传感器和信号处理算法的智能手环。