使用运动心电图预测早期心力衰竭的APP

# 使用运动心电图预测早期心力衰竭的APP

## 背景

- 早期心力衰竭时，心脏功能虽已出现一定程度的减退，但症状往往较为隐匿，容易被忽视。部分患者在日常活动中，可能仅会感到轻微的乏力、运动耐力下降，原本能轻松完成的家务劳动、短距离步行，现在却容易感到疲惫。比如，以往能一口气爬三层楼梯，现在爬到二层就气喘吁吁；或是日常散步一小段距离后，就会出现心慌、气短的症状。还有些患者会出现下肢轻微的水肿，通常在傍晚时更为明显，经过一夜休息后稍有缓解，但往往容易被当作劳累后的正常现象而忽略。

- 运动心电图作为一种重要的检测手段，在心血管疾病的诊断中发挥着独特作用。它通过让受检者在活动平板或踏车等设备上进行运动，逐步增加运动量，同时连续监测心电图的变化。当达到预估最大心率的 85％（心肌梗死后患者心率达到每分钟 130 次即可）时，分析运动前后心电图的改变，以此判断是否存在心肌缺血等问题，进而帮助发现早期冠心病和评估心脏功能。这种方法能够在心脏承受一定负荷的情况下，更敏锐地捕捉到心脏的异常电生理活动，为心力衰竭的早期诊断提供重要线索，也有助于评估患者发生猝死的风险。

## 预测模型构建

重要步骤简述如下：

通过Boruta变量筛选工具筛选到结局变量相关的预测变量；

采用xgboost算法发构建预测模型并进行评价，最后采用SHAP分析对模型的预测结果进行解释。代码详见[地址]( https://www.heywhale.com/mw/project/67a318f1414b53320e5e3727) 。

## APP 构建

1. 将预测模型部署为预测模型API；

2. 与LLM大模型相结合。在百度的千帆平台，采用LLM+API（组件）将deepseek与预测模型API组合在一起，形成完整的应用；

3. 同时结合了“健康小助手”组件，用于回答有关医疗方面的知识；

4. 使用streamlit构建对话界面。

## APP使用流程

1. 用户在对话框中按照示例数据的格式给出数据（黏贴到对话框）；

2. 预测模型给出心力衰竭发生的风险和各个变量当前值对于预测结果的贡献（危险因素）；

3. 可以根据结果对LLM进行进一步提问，比如解释结果或者咨询后续的医疗建议。

4. APP可以通过[地址]( https://stheartfailure.streamlit.app/) 进行访问。

## 应用场景

运动心电图与预测模型 APP 相结合，有望构建起更高效、精准的心力衰竭早期诊断体系。运动心电图提供了心脏在运动状态下的实时电生理信息，而预测模型 APP 则可以基于长期监测的数据，挖掘潜在的健康风险模式，实现对心力衰竭的早期预警。通过这种方式，能够让患者在症状尚不明显时就得到及时诊断和治疗，有效降低心源性猝死的发生率，为患者的生命健康保驾护航。

运动心电图预测心力衰竭的应用场景包括：

- **医院常规检查**：在综合医院的心内科，对于有心力衰竭高危因素（如高血压、冠心病、糖尿病等）但无明显症状的患者，运动心电图可作为初步筛查手段。医生通过分析运动中及运动后心电图的ST段偏移、心率恢复情况等参数，评估患者是否存在潜在心力衰竭风险。

 - **心力衰竭诊断与鉴别诊断**：当患者出现呼吸困难、乏力等疑似心力衰竭症状时，运动心电图可辅助医生进行诊断。与其他检查（如心脏超声）相结合，运动心电图提供的心脏在负荷状态下的电生理信息，有助于鉴别症状是由心力衰竭还是其他心肺疾病引起。

 - **运动员赛前评估**：对于专业运动员或有高强度运动需求的人群，运动心电图用于评估心脏对运动的适应能力，判断是否存在潜在心脏疾病，预防运动中心力衰竭导致的猝死事件。例如，马拉松运动员在赛季前进行全面体检，运动心电图若发现QT间期延长等异常，提示可能存在心律失常风险，需调整训练计划或进一步检查治疗。