心血管疾病诊断方法的使用通常仅限于医院就诊。因此，其临床应用价值可能因观察期短而受到限制。这对于不经常出现的心血管问题尤其有问题，如阵发性心律失常、心力衰竭，甚至在医院就诊期间可能不存在的胸部不适。电子保健的进展，特别是可穿戴技术，如心电图[gydF4y2Ba 1gydF4y2Ba]和容积描记图[gydF4y2Ba 2gydF4y2Ba]，以及随后通过机器学习进行的信号处理为门诊环境中的远程监测提供了新的机会。gydF4y2Ba

长期持续监测已证明是有效的[gydF4y2Ba 3.gydF4y2Ba，gydF4y2Ba 4gydF4y2Ba］．例如，远程监测心脏病患者、使用心脏起搏器或植入式心脏除颤器以及心力衰竭患者，已改善了对患者的护理[gydF4y2Ba 5gydF4y2Ba］．然而，目前用于医疗保健的传感器，如Holter设备，最多只能连续监测14天(但通常持续24小时)，限制了这些设备的使用。克服这一问题可以使心脏骤停等急性事件的早期预警系统成为可能，并可以捕捉到由于生活方式改变或干预等原因而在较长时间内表现出来的微妙心血管恶化或康复。gydF4y2Ba

尽管应用广泛，但目前24小时ECG或血压监测设备佩戴不便，在纵向环境中给患者带来负担。可充电、易于佩戴的传感器，如智能手表，正在成为一种有趣的替代方案，因为它们包含的传感器具有潜在的无限观察时间，对患者的负担最小，成本仅为一小部分。然而，这些可穿戴设备测量的信号，如ppg衍生的心率、活动和皮肤温度，对于心脏病专家的临床决策来说，临床信息不够丰富。随着目前人工智能(AI)的发展，人们期望从机器学习算法中获得强大的解决方案，该算法可以以(完全)数据驱动的方式学习可穿戴传感器信号与心血管结果之间的关系。gydF4y2Ba

通过机器学习自动心血管诊断和预后的另一个巨大好处是最大限度地减少观察者之间和内部的变异性，这是人类心脏病学家主观解释临床和诊断信息的主要问题。观察者间意见分歧[gydF4y2Ba 6gydF4y2Ba，gydF4y2Ba 7gydF4y2Ba]例如，由于经验或专业的差异，以及由于压力或疲劳而引起的观察者内部分歧[gydF4y2Ba 8gydF4y2Ba]，可以最小化。临床实践的变化可能导致医疗错误，而自动系统不(或较少)容易受到这些因素的影响。另一种可能是排除那些出现胸痛等症状的患者，这些症状不是由心血管疾病引起的。自动排除这些患者可以减少不必要的心脏病专家访问;减轻心脏科医生的负担，从而提高心血管护理能力;并更快地将病人引导到合适的专家那里。gydF4y2Ba

由于这些承诺，从可穿戴数据诊断心血管事件的研究领域非常活跃，许多机器学习解决方案正在被提出来自动检测心血管事件。各种评论已经提出了分类的机器学习工具。Krittanawong等人的研究[gydF4y2Ba 9gydF4y2Ba研究表明，有大量的可穿戴设备被用于研究各种心血管结果，并讨论了一个由传感器、机器学习诊断、数据基础设施和伦理道德组成的远程心血管监测范式。他们的结论是，特别是后两个方面有几个未解决的挑战。市场上可穿戴设备的概述由Bayoumy等人提供[gydF4y2Ba 10gydF4y2Ba］．该研究报告了它们在(心血管)试验中的使用频率以及食品和药物管理局的状况。据Giebel和Gissel报道[gydF4y2Ba 11gydF4y2Ba]，大多数用于心房颤动检测的移动健康设备没有获得食品和药物管理局的批准，因此不能用于心血管监测系统。gydF4y2Ba

尽管已经提出了许多机器学习工具，研究也显示了良好的性能，但它们似乎还没有在运行和功能的医疗保健系统中得到实施。因此，我们决定从其技术准备水平(TRL)的角度系统地审查从可穿戴数据检测心血管事件的机器学习工具，即这些提议的工具在实现操作系统方面走了多远，以及什么因素阻碍了它们实现这一目标。TRL范式起源于美国国家航空航天局，是一种评估太空旅行中使用的特定技术成熟度水平的方法，方法是按照准备就绪程度的增加顺序给解决方案打分，从基础技术研究(1分)到发射操作(9分)[gydF4y2Ba 12gydF4y2Ba］．gydF4y2Ba

有趣的是，有两项研究为医疗机器学习定制了TRL框架。Komorowski [gydF4y2Ba 13gydF4y2Ba]提出了有监督、无监督和强化学习问题的TRL，并描述了达到TRL 3、4、6和7的标准。Fleuren等人提出了在重症监护医学中用于医疗机器学习的9个trl的描述，包括示例[gydF4y2Ba 14gydF4y2Ba］．我们回顾了基于可穿戴的心血管机器学习解决方案，遵循Fleuren等人的框架[gydF4y2Ba 14gydF4y2Ba，调整为远程医疗。我们在研究中确定了一些方面，并系统地将这些方面分配给trl，并将一些trl分组在一个分类学中，以帮助解释它们的相关性(gydF4y2Ba 图1gydF4y2Ba)。我们解决了基准数据集的过度使用，与环境和传感器类型相关的数据采集的考虑因素，在医疗保健系统中的集成，机器学习模型的构建，以及随后的模型验证。gydF4y2Ba

通过对现有方法的技术准备程度进行评估，我们表明，目前的方法是有希望的，但由于缺乏现实的数据集和适当的系统和前瞻性评估，部署受到严重阻碍。为了在卫生保健系统一级达到可操作的准备状态，需要解决这些瓶颈。gydF4y2Ba

系统评价遵循PRISMA(系统评价和元分析首选报告项目)指南进行[gydF4y2Ba 15gydF4y2Ba]，如图所示gydF4y2Ba 图2gydF4y2Ba．我们的研究问题遵循了患者或人群、干预、比较和结果框架，其内容如下:“在心血管疾病患者中，使用可穿戴设备数据的机器学习，使用哪些方法和伴随的限制，来部署这项技术，在标准医疗保健中检测和预测心血管疾病?”gydF4y2Ba

搜索查询于2020年9月26日在电子数据库Scopus、PubMed和IEEE Xplore中执行。只考虑同行评审的期刊。如果数据来自可穿戴设备，使用机器学习方法，并以检测或预测心血管疾病为目标，则有资格纳入研究gydF4y2Ba 多媒体附件1gydF4y2Ba对于已使用的查询)。采用以下排除标准:意见或观点、信件、综述、研究方案或会议论文;不是用英语学习;以及只使用模拟数据的研究。资格评估由第一作者ANJ进行。首先，根据纳入和排除标准评估每项研究的标题和摘要的相关性。然后阅读其余研究的全文，并再次按照选择标准进行选择。第二作者DT通过阅读该选择的子示例验证了这一点。gydF4y2Ba

通过与所有作者的讨论，从符合条件的研究中，第一作者ANJ确定了一些研究共同的总体评价方面，并将这些研究分配到一个分类中(gydF4y2Ba 多媒体附件2gydF4y2Ba［gydF4y2Ba 16gydF4y2Ba-gydF4y2Ba 70gydF4y2Ba])。这些方面与Fleuren等人定义的一个或多个trl有关[gydF4y2Ba 14gydF4y2Ba］．因此，符合条件的研究被分配到不同的分类和trl (gydF4y2Ba 图1gydF4y2Ba)。TRL框架指出，只使用基准数据集作为数据源的研究不会超过3级。此外，框架最初将第3级和第4级分组在一起。我们将这些水平分开，并使用它们自己获得的数据分配研究，而不使用来自不同研究级别4的外部验证集。接下来，我们将使用不同研究的外部验证集的研究分配到5级;尽管根据Fleuren等人[gydF4y2Ba 14gydF4y2Ba]，第5级进一步要求所获得的数据集是真实的。但是，我们将机器学习系统部署过程中记录的数据代表的独立获取的数据解释为真实的。因此，我们主要根据用于模型部署的数据集来区分级别3、4和5，并将这些级别与数据集分类法联系起来。由于第5级主要关注现实数据集，我们还将可穿戴设备的实际方面分配到这个TRL中。在这里，我们区分了以下三个方面:(1)可穿戴设备测量的是哪种模式以及它被放置在身体的哪个位置;(2)在何种条件下测量数据，例如在野外或受控环境中;以及(3)记录数据的时长，即所获取数据的时间方面。第6级要求将机器学习模型集成到医疗保健系统中。因此，将模型集成到的设备分配到该级别。最后，第7级和第8级要求演示模型作为心血管工具。 Therefore, the model effectiveness and validation aspects were assigned to these levels. Levels 1, 2, and 9 were disregarded here because none of the papers fit into these categories.

从电子数据库中检索了578条记录。删除重复项后，70.8%(409/578)的记录保留下来。其中一个是外部包含的，因为它满足包含标准，但由于没有明确提到机器学习这个术语，所以被搜索查询漏掉了。如gydF4y2Ba 图1gydF4y2Ba，在标题或摘要筛选时进一步缩小范围，结果是23.9%(138/578)的记录。最后，全文阅读后，9.5%(55/578)的记录未被本研究覆盖。gydF4y2Ba

我们将每项研究与机器学习方法的不同trl联系起来(gydF4y2Ba 方法gydF4y2Ba)，并根据已确定的与这些TRLs有关的不同评估准则的分类(gydF4y2Ba 图1gydF4y2Ba；gydF4y2Ba 方法gydF4y2Ba)。TRL框架指出，只使用基准数据集的研究不会超过3级。gydF4y2Ba

符合条件的研究的主要特征总结在gydF4y2Ba 多媒体附件2gydF4y2Ba．值得注意的是，在55项研究中，有27项(49%)专门使用基准数据集，这些数据集都被定义为基准研究。此外，在纳入的55项研究中，6项(11%)在2018年之前发表，其余49项(89%)在2018年之后发表。在接下来的章节中，研究特征将基于分类法进行更详细的描述。gydF4y2Ba

对于没有使用基准数据集的研究，他们报告了在受控环境(医院或研究实验室)或自由生活环境中获得的数据，在这种环境中，参与者被远程观察他们的自然日常生活。后者也被称为gydF4y2Ba 在野外gydF4y2Ba．此外，在数据采集过程中，参与者的活动可以分为久坐活动和活跃活动。为了捕捉这两个相关方面，我们将研究安排在代表受控环境和久坐活动的轴上，并在轴的另一侧测量活跃参与者的野外测量(gydF4y2Ba 图3gydF4y2Ba)。有趣的是，只有5个[gydF4y2Ba 16gydF4y2Ba-gydF4y2Ba 20.gydF4y2Ba]研究映射到活跃、自由的生活状况，符合现实数据采集的要求，这些方面映射到TRL5。因此，只有十分之一的研究利用了可穿戴设备用于远程纵向监测的潜力。gydF4y2Ba

实际的数据采集需要持续监测。实际上，可穿戴设备在穿戴时不应成为参与者的负担。这种负担主要取决于传感器在身体上的位置。此外，位置也限制了可以测量的生物特征信号的类型，这被称为模态。我们根据非基准研究的位置和模式共同对研究进行了分类(gydF4y2Ba 图4gydF4y2Ba)。用于心血管监测的传感器放置在手腕和手指上，为患者带来的负担最小，因此是获得真实数据集的最佳候选。不到一半(N=13)的研究报告了这样的放置，其中8项(62%)研究获得了一种方式:3项(23%)研究获得了基于手腕的ecg [gydF4y2Ba 18gydF4y2Ba，gydF4y2Ba 21gydF4y2Ba，gydF4y2Ba 22gydF4y2Ba]， 2项(15%)研究获得了基于手腕的ppg [gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 23gydF4y2Ba3项(23%)研究获得了基于手指的PPGs [gydF4y2Ba 24gydF4y2Ba，gydF4y2Ba 30.gydF4y2Ba，gydF4y2Ba 37gydF4y2Ba］．在13项研究中，其余5项(39%)研究获得了基于手腕的多模态数据:4项(31%)研究获得了ppg和加速度计数据[gydF4y2Ba 19gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 29gydF4y2Ba，gydF4y2Ba 47gydF4y2Ba1项(8%)研究同时获得了心电图和ppg [gydF4y2Ba 25gydF4y2Ba］．因此，手腕和手指严重限制了所测量的附加模式(通常只有加速度)，尽管可穿戴设备已被证明能够测量越来越多的模式[gydF4y2Ba 10gydF4y2Ba］．gydF4y2Ba

除了5级要求真实的数据集外，7级和8级分别需要2期和3期研究。在药物测试的背景下，这需要对有效但安全的药物剂量进行调查。类似地，对于可穿戴机器学习，这转化为参与者在准确检测或预测心血管结果之前必须暴露在机器学习模型中的时间。因此，实际的部署设置取决于观察参与者的时间长度。由于进一步描述数据的可再现性以及模型在何种情况下有效的描述是至关重要的，我们决定更详细地概述所获得的可穿戴数据的时间方面。我们认识到以下四个层次的时间方面:(1)研究持续时间，(2)观察期，(3)记录持续时间，(4)输入窗口大小(gydF4y2Ba 图5gydF4y2Ba)。在研究期间，患者被纳入并观察了一段时间——观察期。这些周期的长度对系统的实际部署有影响。例如，Quer et al [gydF4y2Ba 71gydF4y2Ba]使用手腕上佩戴的Fitbit设备显示，个体的静息心率在纵向数据中具有显著的季节性趋势。因此，使用某一时期的数据构建的模型可能对另一时期无效。因此，重要的是要考虑观察参与者的时间，以确保这种季节性影响被纳入模型。在观察期间，可穿戴设备记录时间序列。从理论上讲，这可能与观测周期本身一样长。然而，患者可能会因为一些原因(例如，充电设备和低依从率)而中断测量。我们将时间序列中连续测量的部分的持续时间表示为记录持续时间。最后，这些记录被进一步分割成窗口，从中生成特征或将其用作机器学习模型的原始输入。我们将这些窗口的持续时间称为输入窗口大小(I)。gydF4y2Ba

我们评估了所有非基准研究的时间方面(gydF4y2Ba 图5gydF4y2Ba)。一项研究没有报告任何方面[gydF4y2Ba 26gydF4y2Ba]，并从gydF4y2Ba 图5gydF4y2Ba．另一项研究使用多个固定的输入窗口大小来合并不同时间尺度的数据[gydF4y2Ba 19gydF4y2Ba］．总的来说，大多数研究没有报告所有方面，因此对其数据特征不全面。在几乎所有的研究中，都报道了记录率和输入窗口大小，而在大约一半的研究中提到了研究和观察周期。我们在12项研究中发现，对于5级和7级或8级所需的现实数据集，观察期和记录持续时间特别重要。三项研究采用了24小时的观察期[gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 32gydF4y2Ba，gydF4y2Ba 64gydF4y2Ba];一星期一次[gydF4y2Ba 17gydF4y2Ba]，一次为期两星期[gydF4y2Ba 27gydF4y2Ba]，另一个为期90天[gydF4y2Ba 16gydF4y2Ba］．总体而言，2项研究暗示观察期为数月，但未明确报告[gydF4y2Ba 19gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba］．有人认为至少有八个小时的录音[gydF4y2Ba 19gydF4y2Ba]还有一个报告的平均录音时长为11.3小时[gydF4y2Ba 20.gydF4y2Ba］．最后，只有一个[gydF4y2Ba 27gydF4y2Ba]充分利用了可穿戴设备的潜力，并报告了(接近)连续的记录持续时间。gydF4y2Ba

虽然检测或预测心血管结果所需的观察期和记录持续时间仍然是一个开放和活跃的研究主题，但这些时间将因不同的结果而不同。因此，我们列出了哪些研究考虑了哪些(组合)心血管结果(gydF4y2Ba 图6gydF4y2Ba)。有趣的是，每项研究对对照组的定义都不同。只有一半的非基准研究包括(正常)窦性心律类作为对照，因此可以排除参与者中心血管疾病的存在。从这些研究中，有8项研究[gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 21gydF4y2Ba-gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 28gydF4y2Ba-gydF4y2Ba 31gydF4y2Ba]使用来自健康个体的数据来代表正常的窦性心律。其余6项研究[gydF4y2Ba 32gydF4y2Ba-gydF4y2Ba 37gydF4y2Ba]从心律失常(如阵发性心房颤动)患者或不清楚对照组的正常窦性节律数据。三项研究以心血管(疾病)预防为目标。其中一项研究将其描述为心血管风险评估，其中预测的类别为健康、预防和危急状态[gydF4y2Ba 28gydF4y2Ba］．另一项研究预测了血管年龄和10年心血管疾病风险[gydF4y2Ba 34gydF4y2Ba］．第三组给出心肺健康评分[gydF4y2Ba 27gydF4y2Ba］．值得注意的是，只有前2项研究构建了预后模型。另外两个预后模型通过预测心衰入院后的再住院来预测心脏骤停和心力衰竭加重[gydF4y2Ba 16gydF4y2Ba，gydF4y2Ba 21gydF4y2Ba］．gydF4y2Ba

虽然许多心血管结果都是通过可穿戴设备进行调查的，但已经达到5级的有前景的研究都集中在使用基于手腕的ppg的房性心律失常。然而，它们的时间性质往往是不确定的，因为它们没有被报道。此外，要提升到第6级，一个模型应该在医疗保健系统中发挥作用(即使它只是在观察中使用)。没有一项研究进展到这一水平。中给出了第5级模型的概述，包括它们所基于的模式gydF4y2Ba 表1gydF4y2Ba．虽然没有一种方法进展到6级，但我们决定前瞻性地评估这些研究，以调查当前状态的进展。gydF4y2Ba

医疗保健系统的集成可以在不同的设备上进行。这些研究在计算机(如服务器)、智能手机或嵌入式设备(gydF4y2Ba 表2gydF4y2Ba)。只有后两者能够在患者方面实现实时心血管监测，这是实时检测和预防急性心血管疾病所必需的，因为与外部系统进行实时信息交换需要大量电池消耗，因此不可行。两项基准测试均使用智能手机[gydF4y2Ba 38gydF4y2Ba-gydF4y2Ba 40gydF4y2Ba]和非基准[gydF4y2Ba 21gydF4y2Ba，gydF4y2Ba 30.gydF4y2Ba，gydF4y2Ba 31gydF4y2Ba，gydF4y2Ba 35gydF4y2Ba)的研究。然而，嵌入式设备仅在基准研究中得到验证[gydF4y2Ba 41gydF4y2Ba-gydF4y2Ba 44gydF4y2Ba］．gydF4y2Ba

TRL的7级和8级通过2期和3期临床试验评估了模型的有效性。我们将其转化为用于构建模型的观察到的模态的特征。大量研究使用ECG作为一种模态，并从基准点使用不同的信息[gydF4y2Ba 72gydF4y2Ba]来提取特征(gydF4y2Ba 图7gydF4y2Ba)。在许多研究中，样本都是在r峰值之前和之后选择的。例如，RR间隔是两个相邻r峰之间的时间间隔。一些研究还使用技术来定位其他基准点，并将它们之间的时间间隔作为特征[gydF4y2Ba 45gydF4y2Ba］．我们将这些类型的特征统称为波形信息特征。除了特定的ECG特征之外，还可以推导出更多的一般特征，例如统计特征(例如，从10个RR区间推导出的心率[变异性])或通过傅里叶变换等技术获得的光谱特征。原始数据也可以用作特征，神经网络可以在这些特征上自动学习信息特征[gydF4y2Ba 46gydF4y2Ba］．除了基于感知信号的特征之外，人口统计信息可以用来提供更多的上下文[gydF4y2Ba 28gydF4y2Ba，gydF4y2Ba 47gydF4y2Ba］．基准研究大多使用原始特征(使用相同的数据集)，因此被排除在本研究之外。但值得注意的是，其中2个使用了更先进的方法，即压缩学习[gydF4y2Ba 48gydF4y2Ba]结合动态时间翘曲[gydF4y2Ba 49gydF4y2Ba］．gydF4y2Ba

最常用的特征是原始特征(研究:9/28,32.1%)。其次是波形信息和统计特征。总共有两项研究还包括了参与者的人口统计元数据[gydF4y2Ba 28gydF4y2Ba，gydF4y2Ba 47gydF4y2Ba］．一项研究使用了血红蛋白参数[gydF4y2Ba 26gydF4y2Ba]，我们已在gydF4y2Ba 其他人gydF4y2Ba集团gydF4y2Ba 图7gydF4y2Ba．有趣的是，一项研究包含了时间戳[gydF4y2Ba 19gydF4y2Ba］．从11项使用多模态数据的研究中(gydF4y2Ba 图4gydF4y2Ba)， 6篇(55%)研究分别提取每种模态的特征。在这11项研究中，其余5项(46%)研究利用了特征提取中模态之间的协方差，尽管1项(9%)研究没有详细说明确切的方法[gydF4y2Ba 16gydF4y2Ba］．例如，在15项研究中，1项(9%)研究计算了ECG中的r峰与PPG中最近的下一个峰之间的时间[gydF4y2Ba 34gydF4y2Ba］．在这5项研究中，2项(40%)研究将不同模式的窗口连接起来，然后提取特征[gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 50gydF4y2Ba]和1(20%)研究了级联窗口，其中神经网络中的卷积层用于自动从级联数据中提取特征[gydF4y2Ba 19gydF4y2Ba］．gydF4y2Ba

定义模型有效性的另一个方面与正在构建的模型类型有关，我们将其分为基准研究和非基准研究(gydF4y2Ba 表3gydF4y2Ba)。大多数研究都使用了神经网络，而且大多数研究都是非连续的(例如，卷积和多层感知器)。一个值得注意的类型是尖峰神经网络[gydF4y2Ba 51gydF4y2Ba，gydF4y2Ba 52gydF4y2Ba]，它的设计是节能的，适合在嵌入式设备中进行实时心血管监测。尽管顺序模型是专门为序列或时间序列设计的，但这些类型的模型使用得很少。一些研究结合了顺序和非顺序神经网络架构[gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 19gydF4y2Ba，gydF4y2Ba 32gydF4y2Ba，gydF4y2Ba 42gydF4y2Ba，gydF4y2Ba 46gydF4y2Ba，gydF4y2Ba 53gydF4y2Ba］．在神经网络之后，大部分模型都是经典的机器学习方法，包括线性模型:支持向量机;决策树;以及基于相似度的模型，比如k近邻分类器。此外，集成方法已被用于将多个简单的模型组合起来，以构建一个更复杂的模型[gydF4y2Ba 22gydF4y2Ba，gydF4y2Ba 28gydF4y2Ba，gydF4y2Ba 44gydF4y2Ba，gydF4y2Ba 50gydF4y2Ba，gydF4y2Ba 54gydF4y2Ba-gydF4y2Ba 56gydF4y2Ba］．最后，有两项研究使用了明确利用医疗时间序列数据的层次结构的模型:一个层次贝叶斯模型[gydF4y2Ba 27gydF4y2Ba]和基于嵌入式实例选择模型的多实例学习[gydF4y2Ba 23gydF4y2Ba］．gydF4y2Ba

模型的有效性在很大程度上受到训练模型的样本数量的影响。在第2期和第3期研究中，进行了先验幂分析，以估计每个组或类所需的样本量，以观察效果。这是由昆塔纳[gydF4y2Ba 73gydF4y2Ba对于心率变异性研究，0.25、0.5和0.9的效应量分别对应低、中、高效应。相应的样本量为:统计功率为80%时为233、61和21，统计功率为90%时为312、82和28。我们考虑了每个组或类具有足够样本量的非基准研究，其中保留了9项研究。在剩下的9项研究中，小的[gydF4y2Ba 19gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 24gydF4y2Ba]和large [gydF4y2Ba 16gydF4y2Ba，gydF4y2Ba 30.gydF4y2Ba，gydF4y2Ba 37gydF4y2Ba，gydF4y2Ba 47gydF4y2Ba]效应量，2项研究[gydF4y2Ba 29gydF4y2Ba，gydF4y2Ba 32gydF4y2Ba]实现了80%的功率和较大的效应量。gydF4y2Ba

这表明，研究一般选择的火车样本量(每组或类)太小，无法根据先验幂分析发现显著影响。gydF4y2Ba

与先验幂分析相比，模型验证的目的是回顾性分析模型在未见过的数据上的表现，即评估模型的泛化误差。纳入的研究选择了2种验证方案:交叉验证和拒绝[gydF4y2Ba 74gydF4y2Ba) (gydF4y2Ba 图8gydF4y2Ba)，虽然有5项研究[gydF4y2Ba 16gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 28gydF4y2Ba，gydF4y2Ba 64gydF4y2Ba，gydF4y2Ba 65gydF4y2Ba]未报告验证方法。当将数据分割为训练和测试时，需要确保数据的不重叠分组和分层(gydF4y2Ba 图8gydF4y2Ba)。不重叠分组[gydF4y2Ba 75gydF4y2Ba]，确保同一组数据不会同时出现在训练集和测试集中，例如，避免来自同一参与者的数据同时出现在训练集和测试集中，尽管样本可能来自不同的时期。通过分层，可以确保训练样本和测试样本对于任意变量都具有相似的样本比例。例如，保持男性和女性的比例一致或确保代表正常节律和心律失常的传感器样本的比例相等是很重要的。对于TRL 7的进展，有4项研究使用了保留一名受试者的组交叉验证[gydF4y2Ba 18gydF4y2Ba，gydF4y2Ba 23gydF4y2Ba，gydF4y2Ba 27gydF4y2Ba，gydF4y2Ba 45gydF4y2Ba]和其他4种类型的小组交叉验证[gydF4y2Ba 29gydF4y2Ba，gydF4y2Ba 30.gydF4y2Ba，gydF4y2Ba 37gydF4y2Ba，gydF4y2Ba 44gydF4y2Ba］．理想情况下，使用分层组交叉验证，但没有一项研究使用这种方法。除了验证策略外，使用复制数据也很重要，即完全独立获取的数据，这在11年才完成[gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 18gydF4y2Ba，gydF4y2Ba 21gydF4y2Ba，gydF4y2Ba 24gydF4y2Ba，gydF4y2Ba 25gydF4y2Ba，gydF4y2Ba 31gydF4y2Ba，gydF4y2Ba 33gydF4y2Ba，gydF4y2Ba 35gydF4y2Ba，gydF4y2Ba 36gydF4y2Ba，gydF4y2Ba 40gydF4y2Ba，gydF4y2Ba 70gydF4y2Ba)的研究。gydF4y2Ba

重要的是要认识到数据集可能会受到高度不平衡类的影响。一个例子是，在比例上，代表窦性心律的样本比房颤的样本多。在这种情况下，模型可能会偏向于更多地关注窦性心律的正确分类，因为这对更高的整体分类性能贡献更大。然而，这导致心血管疾病的表征不佳，因为对应的样本比窦性心律更容易被错误分类。总共有6项研究[gydF4y2Ba 32gydF4y2Ba，gydF4y2Ba 41gydF4y2Ba，gydF4y2Ba 59gydF4y2Ba-gydF4y2Ba 62gydF4y2Ba)通过(随机)向上抽样少数族裔阶层来缓解这一问题。共4项研究[gydF4y2Ba 22gydF4y2Ba，gydF4y2Ba 29gydF4y2Ba，gydF4y2Ba 48gydF4y2Ba，gydF4y2Ba 52gydF4y2Ba]采用了合成少数群体过采样技术[gydF4y2Ba 76gydF4y2Ba］．gydF4y2Ba

最后，值得注意的是，一些研究[gydF4y2Ba 41gydF4y2Ba-gydF4y2Ba 43gydF4y2Ba，gydF4y2Ba 45gydF4y2Ba，gydF4y2Ba 49gydF4y2Ba，gydF4y2Ba 51gydF4y2Ba，gydF4y2Ba 63gydF4y2Ba]构建了一个半患者特异性模型。这可能是有益的，因为个体之间的心率数据存在很大差异[gydF4y2Ba 71gydF4y2Ba］．这是通过只训练目标患者的少量样本和其他患者的数据来实现的。测试集由目标患者样本的剩余部分组成，这导致了训练集和测试集之间的重叠分组。gydF4y2Ba

我们已经证明，使用可穿戴设备检测心血管结果的基于机器学习的技术是TRL5的瓶颈，最主要的是对适当的真实数据采集的要求。为了达到技术准备的下一个水平，模型需要在医疗保健系统中变得可操作(无论是介入还是观察)。Komorowski [gydF4y2Ba 13gydF4y2Ba]支持这些观察结果，并将临床实践中缺乏测试或部署定义为一种gydF4y2Ba 信息瓶颈gydF4y2Ba，这在医疗机器学习中经常发生。此外，半数符合条件的研究使用了基准数据集(27/ 55,49%)和最常见的数据集[gydF4y2Ba 77gydF4y2Ba被使用了18次。我们认为，过度使用数据集可能会引入偏差和过拟合，有效地使这样的数据集变得无用，从而进一步增加对现实数据集的需求。gydF4y2Ba

可穿戴式心血管诊断的实用性在于自由生活和活跃的情况下，因为佩戴它们的负担低，并且具有24/7的监测能力。将传感器放在手腕上确实最符合这些标准。此外，商用级智能手表可以以较低的电池消耗测量多模态数据。这使得这些类型的传感器有望使用可穿戴技术进行心血管诊断。然而，大多数研究并没有完全证明这种潜力。此外，目前提出的预后模型很少，因此使用可穿戴机器学习预防心血管疾病实际上还没有得到很好的研究。gydF4y2Ba

尽管大多数研究都包含了研究人群的详细基线特征，但令人担忧的是，这些数据的描述并没有达到类似的一致性、结构和细节水平。例如，一些研究(或明或暗)报告了获取持续的可穿戴数据，但参与者确实需要摘下设备充电，否则依从率很低。这些研究没有报告这些细节;因此，这是未知的gydF4y2Ba 连续gydF4y2Ba数据，即记录持续时间的长度，实际上是。我们认为，与基线特征类似，应该详细报告数据特征，以预测在特定设置和环境中部署模型时，模型将如何泛化。gydF4y2Ba

所有研究均采用固定的窗口大小对窗口内的时间序列数据进行分割。没有一项研究考虑了可变长度或自适应窗口大小。此外，以前没有生理学知识被用来确定信息的时间尺度。例如，运动-恢复曲线(通常从运动耐力测试中获得)经常用于量化活动期间的心血管特征。这描述了参与者在运动中自适应地增加心率并在运动后将其恢复到静息水平的能力。可以访问加速度计数据的研究并没有关注类似的时间尺度事件。为此，我们认为在时间序列中识别信息时间尺度并将其纳入模型对检测心血管疾病是有价值的。gydF4y2Ba

值得注意的是，研究主要倾向于非顺序神经网络而不是顺序神经网络，尽管后者是为时间序列数据设计的。类似地，在已发布的模型中很少利用数据的层次结构。我们主张更多地强调对这些模型的探索，尽管这也需要更大的数据集，因为这些方法需要大量的数据。gydF4y2Ba

尽管一些研究使用了健康的对照组，但大多数研究都不包括患有糖尿病的对照组gydF4y2Ba 没有心律失常gydF4y2Ba，gydF4y2Ba 窦性节律gydF4y2Ba尽管诊断参与者完全没有心律失常与检测特定的心脏问题一样，甚至更有效。从机器学习的角度来看，这可以被视为一类分类(离群值检测)问题:这些模型的重点在于对临床结果进行建模，而不是预测不同的临床结果集gydF4y2Ba 正常类gydF4y2Ba尽可能的好，并将偏离数据视为异常。因此，这将是一个值得探索的有趣途径。一般来说，有明确定义的数据注释是很重要的。例如，一些研究记录了心律失常患者的窦性节律事件。有人可能会质疑，这是否类似于非心律失常个体的注释窦性节律事件，以及混合这些注释是否会导致基于机器学习的方法失败。gydF4y2Ba

我们已经证明，根据先验幂分析，研究使用的训练样本量太小。机器学习中样本大小的确定[gydF4y2Ba 78gydF4y2Ba]侧重于后置方法，如学习曲线[gydF4y2Ba 79gydF4y2Ba］．先验方法，如功率分析，在机器学习中是困难的，因为有许多因素影响模型的效应大小。此外，我们还讨论了可以使用的不同验证方案。一个重要的观察是，大量的研究没有使用非重叠分组策略来验证他们的模型。我们认为，基于非重叠分组的验证对于心血管机器学习和任何医疗机器学习验证都是至关重要的。否则，实验结果只会过于乐观。gydF4y2Ba

我们已经证明，只有少数论文使用了多模态数据，更少考虑了跨模态的特征。在我们看来，这是一个错失的机会;当结合不同形态的特征时，可以提取有价值的信息。心率和活动之间的相关性就是一个例子。当心率在没有活动的情况下突然变化时，这可以为模型检测心脏问题指明一个有趣的部分。另一个例子是，一项研究使用时间戳作为特征，可以提供纵向数据中的季节性信息。这可以用来检查昼夜节律的变化，作为心血管疾病的生物标志物。有趣的是，心电形态学被很好地研究并用作一种特征。然而，在研究中没有使用类似的PPG信号分解。因此，我们主张对PPG信号进行类似的探索。gydF4y2Ba

最后，我们认为，除了讨论的技术缺陷之外，社会因素(在道德或社会责任AI的总称下)也必须得到解决。gydF4y2Ba 80gydF4y2Ba］．从患者的角度来看，他们担心系统的可靠性、隐私，尤其是公平性和人工智能偏见[gydF4y2Ba 81gydF4y2Ba］．我们发现缺乏现实数据和数据不平衡与后者有关，因为它引入了抽样偏差[gydF4y2Ba 82gydF4y2Ba，例如。Parikh等人的研究[gydF4y2Ba 83gydF4y2Ba他认为这是一种统计偏差，并认为，特别是在医疗领域，也可能存在由患者获得医疗保健(技术)的不公平或两者的结合引起的社会偏差，例如，某些亚群体的数据缺失。应努力消除数据中的偏差(在暴露于人工智能模型之前)[gydF4y2Ba 80gydF4y2Ba]和模型本身。这被称为gydF4y2Ba 去gydF4y2Ba［gydF4y2Ba 80gydF4y2Ba，gydF4y2Ba 82gydF4y2Ba，gydF4y2Ba 84gydF4y2Ba］．gydF4y2Ba

从医生的角度来看，机器学习模型的性能可能会达到医疗保健专业人员的观点[gydF4y2Ba 85gydF4y2Ba，gydF4y2Ba 86gydF4y2Ba，这带来了对人工智能和人类专家之间竞争的技术反乌托邦式恐惧。Di Ieva的研究[gydF4y2Ba 87gydF4y2Ba]提供了另一种观点，指出这种恐惧可以通过考虑现代医学多学科团队的成功来克服，并且与这种范式一致，人工智能是团队中的辅助专家，而不是竞争对手。gydF4y2Ba

最后，我们要强调的是，我们没有在研究的临床数据获取中对偏倚风险进行全面的质量评估。相反，我们使用TRL从机器学习的角度捕捉这些风险，并自始至终描述这些限制。为此，方法学质量较低的研究并未获得较高的TRL。此外，我们没有考虑会议论文，因为一般来说，期刊论文更全面和详细。然而，在机器学习领域，会议被用来发表完成的研究(不局限于其他领域的摘要)。因此，我们可能错过了会议论文中的新进展，这些论文已经被详细描述，但没有像期刊论文那样被充分审查。gydF4y2Ba

TRL使我们能够对基于机器学习的可穿戴技术的(所需的)进展进行结构化评估，以便在操作环境中部署。我们讨论过，这一承诺主要是通过在自由生活环境中获取参与者的纵向数据来实现的，这是由于易于佩戴的低能耗传感器而成为可能。然而，我们也观察到，没有一项研究在实际数据上检测或预测心血管结果，这限制了该技术的TRL。此外，我们还发现了许多阻碍部署进展的其他方面，在将可穿戴技术用于心血管疾病检测和预防的承诺成为现实之前，需要解决这些问题。另一方面，在纳入的55项研究中，6项(11%)在2018年之前发表，其余49项(89%)在2018年之后发表。因此，我们预计在未来几年，研究的受欢迎程度将大幅提高。gydF4y2Ba