心血管疾病是人类头号杀手，难以及时作出诊断，心电图ST改变阳性预测值只有18%，冠状动脉造影等临床手段阳性预测值在60-85%左右（理想值95%以上），并存在创伤性，危险性，通过对心电动力学机制人工智能模型的建立，可以对心梗实现90%阳性预测值。为患者推荐确诊与经济投入最佳的方案。

当前基于心电图ST改变的诊断阳性预测值只有18%，EKG(负荷运动平板实验)；ECT(正电子发射计算机体层成像)；CCTA+CCTP(冠状动脉增强CT检查)；CMR(心脏核磁)；DSA（冠状动脉造影）等临床手段阳性预测值在60-85%左右（理想阳性预测值在95%以上），并在某种程度上存在有创伤性，高度危险性，设备要求极高等问题。

我们的系统优势主要在于通过对心电动力学机制的深入研究和人工智能诊断模型的建立，我们可以通过无创，简便长时程的数据监测对心梗实现90%阳性预测值。并通过人工智能整合筛选可以开展高端确诊的医疗机构，为高风险患者推荐确诊与经济投入最佳的方案。

目前产品已经进行小规模产业化，正在武汉市6家三甲医院（武汉市外3家医院）试用，目前后台采集数据12000余例。

1 高精度电生理信号的采集，滤波与特征分析。

创新内容:常规心电图只关注大体特征，时间分辨率不高，因此会丢失疾病细节。高精度的电生理信号有极大的临床和科研价值，是常规心电图无法提供的。获得高精度电生理信号需要高时间分辨率的采集芯片，同时需要在保留原始信号的修正复杂的电磁环境。传统的心电图诊断标准在高精度电生理数据下不能完全适用，需要重新从临床出发寻找证据，确立特征，形成临床证据。

2 心电生理机制模型的建立。

创新内容:传统心电图的诊断标准依据经验出发，从统计学的观点解释时阈信号的波形改变，这个在心律失常的诊断上比较成功。但是面对复杂的心血管疾病，心肌病，心梗等则面临敏感性低阳性预测率低，漏诊率高等问题，尽管在此基础上有些临床人员提出了一些破碎QRS波等新的经验标准，但是依旧逃脱不了以经验出发的局限，难以推广。基于电生理机制的人工模型建立可以帮助临床工作人员得到机制与经验相互印证的系统数据，提高诊断准确率。

3 心脏多模态融合模型

创新内容:由于心脏疾病的高致死率，心脏健康是移动医疗的核心。除了心电图等心脏电生理学检查，还有很多形态学检查如CCTA CMR DSA OCT IVUS 以及EKG CTP CMR(LGE) MPI等功能学检查。由于这些检查依赖于极其昂贵的大型医疗设备和专业的医疗人才等稀缺医院。因此患者很难得到完整的形态学及功能学数据。因此开发基于DiCOM数据可以兼容各个设备形态学及功能学的融合模型就极其必要，由于融合了功能学及形态学，获得完整数据的多模态融合模型可以显著提高MI心梗的阳性预测率。

4 非负荷检查标准的研究

创新内容:由于人体心脏有血运储备极其丰富，有很强的代偿性。这给确诊与风险的权衡带来了巨大挑战。一方面PET CT(MR) ECK(运动平板) CMR CCTP 在负荷药物(腺苷等)作用下诱发患者心肌缺血得到了极好的阳性预测率。但是由于极高的危险性，有能力开展的机构寥寥无几。在静息状态下的功能学检查由于当前的诊断标准和模型难以获得理想的结果，但是高敏肌酐蛋白，HF ECG 等手段在非负荷状态下却能有极好的敏感性。因此尝试研究非负荷状态下的高敏感性诊断模型和诊断标准具有极高的价值和临床推广性。