室性早搏起源部位的定位诊断方法

文龙 王树水

在过去的二十年中,随着医学对心内电生理机制和心脏解剖的研究不断加深,明确了许多室性早搏(简称室早)的起源部位。室早的起源部位通常比较局限且不伴有结构性心脏病[1],来自不同起源部位的电活动沿着正常传导束进行传导形成特定的传导途径,在体表十二导联心电图上表现出该传导途径的心电图特征,不同传导路径的心肌激动顺序也不相同[2－3]。这是我们能够通过心电图或其它影像技术来对不同起源部位进行定位诊断的基础。

室早起源部位的定位诊断对于临床的意义是非常重要的,针对不同起源部位或不同机制的室早的治疗很可能是不一样的[4],比如起源于His束分支的对维拉帕米敏感,起源于右室流出道的易引起血流动力学改变,起源于乳头肌的易致恶性室性心律失常等。并且当需要进行导管消融治疗时,针对不同的起源部位,消融使用的技术和用于标测、导管消融的设备也是不尽相同的[2－3]。因此,准确地对室早起源部位进行定位诊断,不仅能够选择一个恰当的治疗方案,更是可以针对不同的部位,来制定一个标测和导管消融的术前计划,这对于缩短手术时间、降低并发症发生率和降低治疗费用是非常重要的。

1 心电图特征定位诊断

1.1 常用的定位诊断特征 通过多年的心电图研究及临床经验,不同的学者总结出了一些相同的较为普遍适用的心电图特征来进行定位诊断,这些特征(以下“特征”若未特殊说明,均指室早心律)包括了:①V1导联束支阻滞模式[2]:在V1导联中出现右束支阻滞图形提示起源于左室,出现左束支阻滞图形则提示起源于右室或室间隔。②Ⅱ、Ⅲ、a VF 导联R 波方向:在Ⅱ、Ⅲ、aVF导联中R 波高大且尖端向下,提示起源于心室上方;出现R 波高大但尖端向上则提示起源于心室下方。③V6导联QRS波群图形:在V6导联中出现QS波形提示起源于心尖部,因为电活动是从心尖向基底部传导。反之,若V6导联以R 波为主,则提示起源于流出道或瓣环。因此,若计算R/S＞1,提示起源于基底部(例如心室流出道、瓣环);若R/S＜1,则提示起源于心室中部(例如乳头肌、左束支)。④胸前导联移行区:在胸前导联呈右束支阻滞时,胸前导联移行越早,提示起源于左室基底部可能性越高,移行越晚,提示起源于心尖部可能性越高;在胸前导联呈左束支阻滞时,胸前导联移行越早提示右室游离壁可能性越高,越晚则提示室间隔部可能性越高。⑤QRS波群宽度:窄的QRS波群提示起源于室间隔,宽的QRS波群则提示起源于心室游离壁。Ⅰ导联QRS波群主波向下也提示起源于心室游离壁。⑥心外膜起源:因为浦肯野纤维只存在于心内膜下,心外膜起源的室早就需要更多的时间来进行除极,因而心电图会表现出一些特征:“伪Delta波”持续时间＞34 ms;QRS波群持续时间＞200 ms;RS复合体持续时间＞121 ms等。王钰等[5]总结的“四象限法”,孟鑫等[6]总结的一些流出道及连接处起源的室早心电图特征,以及其它的一些研究均证实了这些指标对于不同室早起源部位的定位诊断意义[7－8]。

1.2 流出道室早的鉴别 大部分的起源部位都可以通过上述特征来进行初步定位诊断,但一些特殊起源部位的心电图往往难以区分,其中最主要的便是右室流出道(right ventricular outflow tract,RVOT)和左室流出道(left ventricular outflow tract,LVOT)的鉴别。因这两个部位非常靠近,在心电图上大部分表现为左束支传导阻滞,且胸前导联移行区也互有重叠。在以往的研究中,使用胸前移行指数、R 波时限指数等指标来区分,但往往效果不佳。

2014年Yoshida等[9]提出使用SV2/RV3指数(即V2导联S波振幅与V3导联R 波振幅的比值)来进行鉴别。该研究对207例患者的心电图进行分析,发现该指数能够有效地区分RVOT 和LVOT 起 源 的 室 早。SV2/RV3指 数＞1.5 提示起源于LVOT,＜1.5 则提示起源于RVOT,这个标准对于LVOT 起源部位的敏感性为89%,特异性为94%。Yoshida等进一步发现SV2/RV3指数也能有效区分RVOT 和主动脉窦起源的室早,这是其它心电图特征所不具备的。多项研究[10－13]对SV2/RV3指数和其它常用心电图特征的诊断准确率进行了对比分析,证实了SV2/RV3指数的总体准确率比其它的特征稍高,尤其是在鉴别RVOT 和主动脉窦的起源部位时,其具有明显更高的准确率。

最近也有一些新的心电图特征用于流出道室早的鉴别,Kaypakli等[14]提出使用V1－2导联SR 差值(V1导联S波振幅＋V2导联S波振幅－V1导联R 波振幅－V2导联R 波振幅)来鉴别,其对RVOT 的定位诊断敏感性可以达到95.1%,特异性为85.5%,阳性预测率为86.5%,阴性预测率为94.5%。这比V2移行比或SV2/RV3指数的特异性稍低,但敏感性更高。Im 等[15]提出使用室早的Ⅰ导联宽大的正向QRS波群、V1－2导联R 波持续时间及V1∗2导联R 波时间指数等来鉴别右冠窦和RVOT 的起源部位,其数值越大提示起源部位在右冠窦的可能性越大。

除此之外,18导联心电图也被多位学者应用于流出道室早的鉴别诊断。Igarashi等[16]对比了右胸导联在RVOT前壁、RVOT 后壁、右冠窦、左冠窦和瓣环交界处这5 个部位中的QRS 波群形态,发现其中右胸V5导联(V5R)的QRS波群在5个部位中依次主要表现为Rs、rS、QS、qR、R形态。以此作为标准,对这5 个部位的诊断总准确率为75%。陆振钧等[17]也对比了右胸导联的形态,发现右胸V3导联(V3R)的R 波振幅比率[R 波振幅/(R 波振幅＋S波振幅)]可以用于鉴别RVOT 和LVOT,其曲线下面积(AUC)为0.849,以0.41为界值,其敏感性为81.4%,特异性为83.3%。Zhang等[18]又提出结合后壁导联使用R 波V4/V8率(V4导联R 波振幅与V8导联R 波振幅比值)来进行鉴别,其对LVOT 的定位诊断敏感性可以达到88%,特异性达到77%。将R 波V4/V8率除以正常窦性心律的R 波V4/V8率,可以得到校正后的R 波V4/V8指数,这个指数对于LVOT 的定位诊断敏感性为67%,但特异性可以达到98%。与 以 往 的V2移 行 比、SV2/RV3指 数 等 相 比,R 波V4/V8率 明显具有更高的敏感性(75%)及阴性预测率(89%),R 波V4/V8指数则具有更高的特异性(96%)及阳性预测率(89%)。Cheng等[19]进一步结合右胸导联和后壁导联,提出使用V3R/V7R 指数(V3的R 波 振幅/V7的R 波 振 幅)来 进 行 鉴别,对比以往提出的方法,其具有最高的AUC,可以达到0.954。以V3R/V7R 指数≥0.85为界值,其对LVOT 的诊断敏感性为87%,特异性为96%,对RVOT 的真阴性率为98.6%。

1.3 特殊起源部位的特征 一些特殊的起源部位,具有其特殊的心电图特征。Lu等[20]提出,RVOT 和三尖瓣环的交界区具有特殊的心电图表现,a VL 导联低平是鉴别RVOT和三尖瓣环的显著特点。鲁志兵等[21]进一步验证了a VL导联低平可以用于鉴别RVOT 和三尖瓣环交界区起源的室早。段嘉霖等[22]发现,Ⅰ导联正向向量可以有效鉴别主动脉瓣上和主动脉瓣下的起源部位。Zhang等[23]发现可以使用QRS波群的振幅来鉴别室间隔周围不同房室瓣(二尖瓣、三尖瓣)的起源部位。Hwang 等[24]发现aVR 导联为QS波、a VL 导联为单向的R 波和QRS波群宽度小于143 ms等特征可以有效提示His 束周围的起源部位。Barmeda等[25]提出可以使用QRS波群主波方向来鉴别左室基底部的起源部位。若主波在a VR 导联是负向,a VL 导联是正向,提示起源于左室基底部室间隔侧;若主波在a VL 导联是正向、aVL 导联是负向,则提示起源于游离壁侧;若在a VL 导联、a VR 导联为同向,则提示起源于其它左室部位。Briceno等[26]发现若V1导联的QRS波群表现为Rr波、缓慢下降的R 波以及RR 波,则提示起源于左室乳头肌。Chang等[27]发现Ⅰ导联的“w”波及最大折转指数(R 波起始点至R 波顶峰的时限/QRS波群时限)≥0.5可以预测心大静脉远端起源部位的成功消融。然而关于这些心电图特征的研究仍较少,其真实的准确性和临床指导意义尚需进一步明确。

这些研究充分表明了,理论上体表心电图是可以进行高精度的室早起源部位定位诊断,但在临床上往往其真实准确性很大程度受到患者的体型、心脏解剖、特定传导特性、存在结构性心脏病等因素的限制。并且如何总结更有效的心电图定位特征,以及如何训练临床医生掌握相关定位特征等也是面临的诸多问题。

2 影像技术定位诊断

2.1 心磁图 心肌细胞内的离子活动形成容积电流,该电流在体表可形成微弱的磁场。心磁图就是利用心磁图仪(一种非常敏感的磁场探测器,通常被称为超导量子干涉仪)对心脏电活动引起局部微弱的磁场信号进行记录并显示的一项无创性检查。心磁图与心电图不同,是直接对起源部位在心脏中的解剖位置进行定位,可以做到对起源部位的精确定位诊断。Agren等[28]针对11例法洛四联征术后的患者,进行了24 h心电图、40 min心磁图以及核磁共振成像(MRI)检查,发现心磁图和MRI能够有效地对复杂心脏畸形患者的室早起源部位进行定位诊断[28]。Ito等[29]也在以往的基础上,发明了一种新的空间滤波器算法来构建分辨率更高的心磁图,主要用于区分主动脉窦和RVOT 的室性心律失常。该研究纳入了51 例经过心内电生理确诊的流出道室早患者,将心磁图算法的判断结果与心内电生理消融结果对比,发现心磁图算法能够达到90%以上的准确率。但心磁图仪存在价格较贵,检查时对环境的要求高,需要时间长等问题,让该检查难以普及。并且各个研究均存在病例数较少、未进行临床实验、缺乏有效的队列研究等问题。

2.2 CT/MRI CT/MRI能够直接获得患者的心脏结构数据,通过诸如逆算法等方法,能够重建患者心脏的三维结构,并直接对起源部位在心脏三维空间中的位置进行定位诊断。Bhagirath等[30]提出了一种新的基于MRI的定位诊断方法。该研究对8例患者进行了65导体表电极记录并行心内电生理检查确认起源部位,随后行心脏MRI来构建患者的心脏容积导体模型,再使用逆映射方法将体表电极数据与心脏容积导体模型相结合,即可重建心脏电位,从而进行无创定位诊断。该方法在三维空间中对起源部位的定位诊断误差为(8.3±2.7)mm。Yu等[31]使用了类似的方法,但使用了改进的心电稀疏显像逆映射算法,对13例患者进行重建,重建定位点与消融成功点的误差在3～8 mm。同年Svehlikova等[32]用心脏MRI所得的心脏模型,模拟8个不同部位的室早起源点,再从模拟的体表电极进行测量,成功地用反向求解的算法对8个起源部位进行定位诊断[32]。

这些研究都表明,通过CT/MRI来对室早进行定位诊断是可行的,但大多研究因为需要较长时间来重建患者的心脏模型,而导致难以扩大病例数。如何更快、更准确地构建不同患者的心脏模型,成为了待解决的关键点。Van Dam等[33]通过人工分割MRI数据的方法建立了心脏等时定位系统(CIPS),该系统能够在几个小时内就重建患者的心脏模型,平均的重建轮廓投影误差为(2.0±1.8)mm。该团队在2016年进一步验证了CIPS的定位准确性,将CIPS重建的心脏模型与心电图相结合,即可显示室早的心肌激活的路线[34]。该研究对3例乳头肌起源患者的电生理检查结果与CIPS定位结果进行对比,发现CIPS可以成功进行室早起源部位的定位诊断。2017年该团队又发现CIPS与心电图的心脏激活等时线之间存在密切关系,心脏激活的平均路径可以从心电图推导出来,这或许预示着心电图具有更高的潜在定位诊断价值[35]。Misra等[36]在以上研究的基础上,开发了一个名为View into Ventricular Onset(VIVO)的软件,该软件通过CT 或MRI重建心脏模型,结合体表电极及心电图,可以对室早或室性心动过速进行定位诊断,13例室早患者中11例成功定位,9例室性心动过速患者中8例成功定位。

2.3 超声心动图 超声心动图也可以通过不同切面直接观察到室早起源部位的心肌活动。Costet等[37]采用超声心动图机电波成像(EWI)技术(一种基于心肌应变原理的技术)来探测心肌的激活运动。该研究使用EWI技术对7例经过人工起搏处理的犬进行测定(3例心内膜,3例心外膜,1例心内膜＋心外膜),其中6例能成功定位起搏源自心外膜或心内膜。另外对1 例患者进行定性测定,成功定位起源于RVOT。Grubb等[38]进一步研究了使用EWI技术对预激综合征、室早、房性心动过速、心房扑动四种心律失常的定位诊断效果。该研究纳入了11 例患者[(RVOT 间隔部4 例,RVOT 高后部1例,主动脉窦与二尖瓣交界区(AMC)1例,右冠窦1例,心外膜summit区1例,左前乳头肌1例,三尖瓣后组乳头肌1例,室间隔右部1例],发现能够成功对其中10例进行定位诊断,与电生理消融结果相同。

超声EWI技术是对二维切面图像进行分析,与CT/MRI相比,其在三维空间中的定位精度明显较低。但通过结合不同切面的图像,可以一定程度提高定位精度,且需要分析的图像数据较CT/MRI明显减少,重建心脏模型的时间也大大缩短。另外超声检查具有便捷、无辐射、不需要采集体表电极等优点。但目前相关研究病例数较少,并且如何在超声心动图下获得标准的切面也是尚未解决的问题。

3 人工智能定位诊断

随着计算机科学的飞速发展,人工智能技术越来越多的被应用于医学的各个领域。人工神经网络(artificial neural network,ANN)应用于心电图的识别已有大量的相关研究,但都局限于如何鉴别不同类别的心搏(如室上性、室早、分支阻滞等)。Soheilykhah等[39]使用小波变换技术对心电信号进行处理,再采用一些常用的心电图定位诊断特征作为标准,使用支持向量机方法进行分类,成功地对87例患者的心电图数据进行分类(LVOT、RVOT 间隔部、右室基底部、RVOT 游离壁和主动脉窦),总准确率达到了88.4%。He等[40]使用了支持向量机、随机森林、梯度提升决策树、高斯朴素贝叶斯四个神经网络模型对249例患者的心电图数据进行训练学习,起源部位分类包括了RVOT、LVOT 等共11个部位。训练后的模型对11个起源部位的定位诊断准确率可以达到70.7%～74.1%。使用ANN 直接分析心电图数据的优点是不需要使用CT/MRI来重建心脏模型,并且可以直接使用十二导联心电图来进行定位诊断,无需其他体表电极。

近年来深度神经网络(deep neural network,DNN)在医学图像的识别中大放异彩,DNN 解决了以往进行图像鉴别时需要人工提供特征的问题,它可以通过分析不同标签的图像组,直接自动分析提取不同组图片之间的特征并进行学习。已经开始有研究将DNN 应用于室早起源部位的定位诊断。Yang等[41]提出了一种结合卷积神经网络(convolutional neural network,CNN)和计算机模拟心脏模型,使用十二导联心电图来进行定位诊断的新方法。该方法首先使用基于真人心脏MRI得到的数据进行计算机模拟心脏模型重建,再通过单个患者的心电图特定导联进行计算,得到不同起源部位的模拟导联心电图,随后将其作为训练集,输入两个CNN 进行训练。该研究使用了两个分类方法对不同起源部位进行分类,其一是把整个心脏分为不同的25个线段(使用分段CNN),另一个是分为心内膜起源部位和心外膜起源部位(使用Epi-Endo CNN)。将患者的心电图输入到训练好的CNNs中,即可进行定位诊断。该研究对9例患者的90个室早心搏进行了评估,并与相同患者的射频消融结果进行了比较。结果显示:计算机模拟评价结果具有较高的准确率,分段CNN:78%,Epi-Endo CNN:90%,9 例患者的临床实验平均定位误差为11 mm。

这些研究表明了,ANN 是可以用于对心电图进行分析而实现定位诊断的,但均只能对单处来源的室早进行定位诊断。且病例数较少,尚不确定是否可以用于变量更多的大群体。

4 总结及展望

综上所述,关于室早起源部位的定位诊断方法已有不少研究,通过不同的心电图特征,能对大部分起源部位进行定位诊断。流出道起源的室早往往难以鉴别,但随着更多的鉴别特征被发现,其鉴别准确率也越来越高。使用心磁图、CT、MRI、超声心动图等影像技术可以直接在三维空间进行定位诊断,其精度也逐渐提高。但设备昂贵、重建心脏模型耗时长等问题限制了其进一步发展。将人工智能结合心电图来进行定位诊断,是一个尚处于探索阶段的领域。但其具有方便快捷、可以自行提取心电图特征以提高诊断准确率等优点,显示出了可观的前景。室早起源部位分类繁多复杂,如何进一步提高定位诊断方法的准确性,使其经济实惠,更易于临床应用,将是未来主要的研究方向。