如何识别药源性心律失常风险和长QT综合征（cLQTS）十分重要。2021年10月，发表在《Eur Heart J》的一项研究，发现应用于心电图的卷积神经网络（CNN）模型在识别药物改变QT间期（QTc）间期和先天性LQTS方面优于QTc测量，在药物诱导的长QT综合征（diLQTS）发作后不久效果最好。

目的：先天性cLQTS或diLQTS可引起尖端扭转性室速（TdP，一种危及生命的室性心律失常）。目前，识别TdP高风险药物的策略依赖于测量心电图（ECG）上经心率校正的QTc。然而，QTc的阳性预测值较低。

方法和结果：研究者使用CNN模型来量化索他洛尔（一种与TdP相关的IKr阻断剂）引起的心电图改变，以提供新的工具（CNN模型）来增强药物诱导TdP（diTdP）的预测和cLQTS的诊断。测试CNN模型使用单或多10秒心电图记录/患者，在不同队列使用8导联或单导联：索他洛尔摄入前后1029例健康受试者（n = 14 135例心电图）；cLQTS患者487例（n = 1083例心电图：560例1型，456例2型，67例3型）；diTdP患者48例（n = 1105例心电图，其中147例在diTdP发作48小时内获得）。CNN模型在识别索他洛尔暴露方面优于QTc模型[受者工作特征曲线下面积（ROC-AUC）= 0.98 vs 0.72, P≤0.001]。CNN模型使用多个10秒心电图的ROC-AUC高于使用单个10秒心电图（P≤0.001）。8导联和单导联模型的性能相当。与健康对照组相比，预测索他洛尔暴露的CNN模型也准确地检测出cLQTS的存在和类型，尤其是cLQT2（AUC-ROC = 0.9），在控制QTc和摄入罪魁祸首药物后，在diTdP事件发生后不久达到最大，并随时间而下降（P≤0.001）。心电图节段分析确定J-T峰值间期是索他洛尔摄入的最佳鉴别指标。

结论：应用于心电图的CNN模型在识别药物改变QT间期和先天性LQTS方面优于QTc测量，在diTdP发作后不久效果最好。

（选题审校：田盼辉 编辑：余霞霞）
（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

参考资料：
Eur Heart J. 2021 Oct 7;42(38):3948-3961
Deep learning analysis of electrocardiogram for risk prediction of drug-induced arrhythmias and diagnosis of long QT syndrome
https://pubmed.ncbi.nlm.nih.gov/34468739/