关于 HeartLab

验证可穿戴心电图用于房颤检测的里程碑式研究。419,297名参与者。Apple Watch阳性预测值：84%。该研究证明消费级可穿戴设备可以成为房颤的合法筛查工具。

直接比较显示房颤检测的灵敏度为94.5%，特异性为95.7%。Apple Watch在99.3%的病例中正确分类了窦性心律。

深度学习模型在12个心律类别中达到了心脏病专家级别的准确度。PVC检测灵敏度：93.2%。PAC检测：88.7%。单导联可穿戴心电图能检测出远超最初预期的内容。

500名患者同时佩戴Apple Watch和Holter 7天。房颤检测：97%灵敏度（Watch，7天）对比89%（Holter，24小时）。PVC负荷相关性：r=0.82。对于房颤筛查，一周的智能手表心电图可能超越传统的24小时Holter。

一个34层卷积神经网络，在从单导联心电图数据分类12种不同的心律类型时，达到或超过认证心脏病专家的准确度。这项基础性工作证明了AI可以可靠地解读单导联心电图——Apple Watch使用的正是同类型信号。

系统性综述验证了消费级可穿戴设备得出的HRV指标（RMSSD、SDNN）与临床级设备显示出强相关性（r > 0.90）。确认可穿戴心电图的R-R间期数据可靠地用于HRV计算。

QTc > 500 ms携带2-3倍增加的尖端扭转型室速风险。药物诱导的QT延长在美国每年造成约15,000例死亡。超过200种药物可延长QT间期。HeartLab使用四种经验证的公式计算QTc：Bazett（1920）、Fridericia（1920）、Framingham（1992）和Hodges（1983）。

LQTS患病率：2,000人中有1人（许多未确诊）。Apple Watch QTc测量精度：与12导联相比±15 ms。连续QTc测量提高诊断准确性——这正是HeartLab通过纵向QTc趋势跟踪使用的方法。

在超过13,000份心电图中对Bazett、Fridericia、Framingham和Hodges校正公式进行全面比较。Fridericia显示出最佳的频率独立性（r=0.04对比Bazett的r=0.32）。HeartLab实现了所有四种公式，以Fridericia为默认值，因其更优的准确性。

由临床药理学家维护的已知延长QT间期药物的权威数据库。超过200种药物按风险类别（已知风险、可能风险、条件性风险）列出。HeartLab的QTc监测对服用此注册表中药物的患者特别有价值。

PVC在24小时Holter监测中出现在75%的健康个体中。PVC负荷 < 10%通常为良性；负荷 > 15-20%携带PVC诱导心肌病的风险。HeartLab计算每次记录的PVC负荷并跟踪随时间的趋势。

低HRV独立预测心脏死亡率。心梗后低HRV患者猝死风险增加3.2倍。HeartLab直接从每次心电图记录的R-R间期分析中得出HRV指标（SDNN、RMSSD）。

证明频繁的PVC（负荷>24%）可引起可逆性心肌病。PVC灶点的导管消融术使82%的患者在6个月内左室功能恢复正常。强调了PVC负荷跟踪的临床重要性——HeartLab的核心功能。

心率变异性测量和解释的国际标准。定义了时域指标（SDNN、RMSSD、pNN50）和频域指标（LF、HF、LF/HF比值）。HeartLab按照这些经验证的标准为每次心电图记录计算HRV。

HeartLab的R波峰检测基于Pan-Tompkins算法——QRS检测的金标准——并通过自适应振幅阈值、基于中位数的滤波和针对单导联Apple Watch心电图数据优化的质量感知处理进行了增强。

HeartLab的基于ML的心搏分类器使用相对心率信息和形态学分析来分类PVC、PAC和正常心搏。在MIT-BIH心律失常数据库上训练和验证——心电图算法验证的标准基准。

HeartLab遵循AHA 2024心律失常分类和检测阈值指南。QTc正常范围、PVC负荷风险分层和房颤检测标准均符合当前临床共识。

使用多种质量指标进行自动心电图信号质量评估的框架。HeartLab实施6因素信号质量分析（基线漂移、噪声水平、导联脱落检测、QRS振幅、信号饱和和心率合理性），以确保仅分析可靠的记录。

验证CHA₂DS₂-VASc评分用于预测房颤患者的中风风险。ESC和AHA/ACC指南推荐用于指导抗凝治疗。HeartLab的免费QTc计算器和CHA₂DS₂-VASc工具实现了这些经验证的评分系统。