电解质紊乱的心电图表型、机制和展望

樊伟国综述，丁颖、陈静、洪葵审校

据《中国心血管病报告2018》信息表明，心血管疾病死亡率居首位，占居民疾病死亡构成的40%以上[1]。引起心血管疾病死亡的危险因素众多，其中电解质紊乱是院内心血管疾病死亡的常见原因之一。细胞内和体液中的各种离子是维持细胞和机体正常生理功能的基础，体内电解质紊乱会引起多脏器功能失调，甚至导致恶性后果。随着慢性疾病患病率的升高，利尿剂、肾素-血管紧张素-醛固酮系统相关药物应用的增多，电解质异常也越来越常见。由电解质紊乱导致的医院内恶性心律失常的发生不可忽视。电解质紊乱在心电图（ECG）上会呈现特异性表型，如QT间期延长或缩短、Brugada波、ST段抬高或压低等，都是临床上具有一定猝死风险的预警ECG。如果，临床医师能够识别电解质异常导致的ECG表型，了解其病理生理和细胞电生理机制，在化验室结果还没出来之前就采取相应的措施，将能一定程度降低患者死亡风险。为此，本文通过文献回顾，对电解质紊乱引起的心脏电生理效应和ECG改变作一进展性阐述。

1 电解质对动作电位和离子流的影响

心室肌细胞的动作电位分为5（0、1、2、3、4）期（图1）。

钠钾泵主动转运维持的细胞内外较高的钾离子浓度梯度是静息电位形成的基础。3期复极化末期的延迟整流钾电流（IK）是复极过程中最重要的外向电流，高钾使心肌细胞膜通透性增强，复极时钾离子外流增加，加快复极过程。低钾时则相反。

细胞内外的钠离子跨膜浓度梯度是快钠内流（INa）的主要驱动力。细胞外钠浓度升高时，钠内流增强，增加动作电位的幅度，低钠时则相反。

图1 心室肌细胞动作电位及各期主要离子流

钙离子主要存在于细胞外，具有膜稳定作用，平台期L型钙电流（ICaL）和钾外流大致保持平衡。高钙血症使净外向钾电流增大导致平台期缩短，从而引起动作电位时程和不应期缩短。低钙血症则使动作电位时程和不应期延长。

镁离子可通过结合阻滞或变构效应调节细胞膜上的各种阳离子通道，如内向整流钾电流（IK1）通道，细胞外钾离子浓度升高时阻碍镁离子与之结合，而使IK1增强。钙电流的幅度会随细胞内镁离子浓度的升高而减弱，故镁离子可拮抗高钙效应。电解质对离子流的影响见表1。

表1 电解质对各种离子流的影响

2 电解质紊乱和ECG异常

2.1 高钾血症和ECG表型

2.1.1各种传导阻滞

血钾明显升高时，0期除极幅度降低和速率减慢使心肌传导性下降。浦肯野纤维4期自动除极速率降低，自律性下降。

心房肌传导延迟常先表现为P波的增宽和振幅降低，并随着钾离子浓度的进一步升高而逐渐消失，严重时可能出现窦室传导。房室结传导缓慢表现为PR间期延长，严重者出现二度或三度房室阻滞。心室内阻滞常为非特异性阻滞或类似左束支或右束支阻滞，QRS波群增宽相对均匀。当血钾浓度进一步升高时，因心室内广泛传导阻滞从而出现QRS波群明显增宽和振幅降低，与T波相连，显示出“正弦波”模式，这预示心室颤动或停搏发生。高钾时心肌兴奋性和传导性明显下降，可能出现起搏器感知异常和失夺获[2]。

2.1.2QT间期、ST段和T波改变

高钾血症时，浦肯野纤维和心室肌平台期缩短，复极加快，动作电位时程和不应期缩短，在ECG上出现QT间期缩短。某些严重高钾血症患者可出现ST段抬高或压低，应该避免误诊为急性心肌梗死[3]。

高钾血症T波常描述为“帐篷样T波”，其特点是振幅高、顶部尖而基底部较窄，V2～4导联最明显。心脏植入器械对高钾血症明显T波改变的过度感知可造成不适当放电[4]。高钾血症是诱发Brugada波的原因之一。其产生机制是静息电位明显减小，心外膜的INa减弱和瞬时外向电流（Ito）相对增强，使心内外膜存在电压差[5]。

血钾升高是住院患者死亡的重要原因之一，包括急性心肌梗死患者，但将近一半的高钾血症患者可以无明显ECG改变[6-7]。

2.2 低钾血症和ECG表型

2.2.1P-QRS波群改变

细胞外低钾使心肌细胞兴奋性增加，可出现P波振幅增高[8]。4期自动除极的斜率增加使浦肯野纤维动作电位幅度减小，传导性降低，ECG表现为QRS波群增宽。

2.2.2QT间期、ST段和T-U波异常

严重低钾血症的ECG常表现为ST段压低，T波负向或负正双向，T波振幅降低和显著的U波。除ST段压低外，也可以出现下壁导联ST段抬高或右胸导联Brugada波样改变[9]。由于低钾引起心室肌和浦肯野纤维动作电位时程及相对不应期延长，ECG常显示QT或QU间期明显延长。有些T波显示宽大或有切迹，需要考虑T-U波的融合。心率较快时出现P波宽大和不对称，应考虑是否存在U-P波融合。U波产生的机制可能与浦肯野纤维或心肌M细胞的延迟复极相关（图2）。浦肯野纤维复极时间延长时，ECG可伴随U波的出现[10]。心率快时U波并不常见，而心率慢时U波更明显，可能与心肌M细胞动作电位时程延长的幅度明显大于心内膜和心外膜细胞有关。低钾血症时的病理性U波，一般在Ⅱ、V2和V3导联最明显，常与T波融合。

图2 U波的产生机制

2.2.3异位心律

低钾引起的异位心律主要是室性心律失常。细胞外低钾抑制钠钾泵致钠钙交换减少，从而使细胞内钙超载而引发延迟后除极可致尖端扭转型室性心动过速。而浦肯野纤维以及心室肌各层复极离散度的增加易形成折返，可能是室性心动过速的维持机制。

2.3 高钠血症

高钠血症引起的细胞外液渗透压升高使细胞内液向细胞外液转移，细胞内钾和钙浓度升高，静息电位和动作电位幅度增加，传导加快，高血钠患者ECG显示QRS波群较窄[11]。

2.4 低钠血症

偶见严重的室内阻滞或房室阻滞。低钠血症患者的钠电流减弱，也可出现Brugada波[12]。

2.5 高钙血症

主要表现为ST段明显缩短甚至消失，QT间期缩短，QRS波群与T波直接相连或出现ST段抬高，类似心肌梗死ECG[13]。J点抬高的比例明显高于正常人，也可呈现为Brugada波[14-15]。慢性高钙血症可引起严重的房室阻滞或窦性心动过缓，可能与窦房结或房室结钙化和功能下降有关[16]。

2.6 低钙血症

可见QT间期延长，主要表现为ST段明显延长，T波小、直立而低平。低钙血症也可引起校正的QT间期延长和尖端扭转型室性心动过速[17]。

2.7 镁异常

高镁血症比较少见，无明确的ECG改变。

血镁浓度降低与校正的QT间期延长相关[18]。

静脉注射硫酸镁在临床可用于治疗室性心律失常，特别是用于洋地黄中毒相关的室性心动过速和尖端扭转型室性心动过速，其减慢房室结传导，延长房室结有效不应期，但不影响心房和心室传导速度及有效不应期[19]。

3 ECG诊断电解质异常的新进展

3.1 计算机辅助ECG波形特征的定量分析和诊断

在临床实践中，临床医师可以通过ECG识别发现一些电解质异常患者，及时提出临床警示。但是，仍然存在局限性导致误诊和漏诊。2020年的一项研究显示，急诊医师利用ECG诊断严重高钾血症（＞6.5 mmol/L）的特异度能达到0.95，但敏感度只有0.29[20]。有研究显示，与传统方法相比，定量分析ECG的T波振幅、T波顶峰-T波降支终点时间（Tp-Te）等指标可提高诊断价值[21]。

人工测量的T波振幅和T波降支斜率等数值与血钾浓度之间的相关性较差[22-23]。计算机来源的大数据和信息处理能力使ECG的诊断得到进一步精确的延伸，结合12导联ECG的QRS波群宽度、T波宽度和降支斜率等数据构建数学模型进行定量分析，诊断血钾浓度大于5.91 mmol/L的敏感度和特异度分别为63%和84%[24]。另一项研究显示，利用信号平均ECG采集的T波振幅、T波降支斜率和T波与R波振幅比值等数据，估测的血钾浓度与实际血清钾浓度也具有较好的相关性[25]。

3.2 人工智能诊断

以往的ECG自动诊断软件需要输入基于专家经验的诊断原理和过程，由计算机根据ECG的特征按照给出的诊断思路做出判断，事实上仍然是按照人或者专家的经验和理论知识进行诊断，无自主学习能力，且图像信息提取能力差，部分ECG软件给出的诊断并不可靠，需要ECG医师和临床医师确认和修正。而近些年快速发展的人工智能诊断，即以人工神经网络为基础开发的深度学习模型能够自动提取ECG的复杂特征，具有自主学习和分析的能力，将ECG特征与临床疾病相匹配，是真正具有自主学习能力的智能诊断系统，有望在ECG诊断中发挥作用[26]。

人工智能ECG诊断系统最早是简单地根据RR间期进行心搏自动分类，主要用于诊断心律失常和筛查心房颤动，此后也开发出用于诊断心室肥厚和心肌梗死定位的一些算法[27-29]。在急诊科异常ECG的判断中，其特异度和阳性预测值也高于传统算法[30]。国内首个上线并获批注册的人工智能心电分析软件“AI-ECG Platform”已能将心律失常进行大致分类，并对心肌梗死部分进行定位诊断[31]。

在诊断电解质紊乱方面，基于ECG的深度学习模型尽管起步较晚，但也取得了一些进展。2019年，由梅奥医学中心开发的首个高钾血症智能诊断模型的验证结果发表，该模型在6万多份慢性肾脏病患者ECG中进行验证，其诊断高钾血症的敏感度在0.9左右时，特异度也能达到0.55～0.63[32]。另一项研究在13 222例ECG中进行验证，显示诊断低钾血症和高钾血症的特异度分别为93.3%和97.8%。并利用同一验证子集比较了该模型与临床医师的诊断能力，在这场“人机大战”中，人工智能诊断明显优于人工判定[33]。

ECG是心律失常的直接诊断依据，但电解质紊乱引起的ECG改变比较多样和复杂，可以涉及P-QRS-T波群的形态和振幅改变，也可以是QT间期延长或缩短和ST段的偏移，无明确的诊断标准。由于计算机对图像信息的强大识别和处理能力，越是复杂和不易识别的ECG特征，人工智能的优势越明显。根据人工神经网络的工作原理，深度学习模型具有“黑盒特性”，即其给出结果的原理和依据不可知，因为这些原理和依据并不由医师提前输入，而是由计算机自动提取和学习[34]。当某专家和人工智能对同一份ECG作出“高钾血症”同样的诊断时，专家可以提出“帐篷样T波”和QRS波群增宽作为依据，但我们无法得知人工智能的诊断依据，从而可能为临床应用造成一定困难。因此，ECG的智能诊断系统要广泛应用于临床仍有一段路要走，需要诊断模型的验证过程更加科学和规范。如一些模型的验证集，排除了束支阻滞等情况，但这些恰好是临床中需要的鉴别诊断，因此在真实世界应用需要更进一步的验证其准确度。另外，由于人工智能诊断结果依据的未知性，当其作为确诊性检查时，需要谨慎考虑其临床意义，目前人工诊断的主要劣势仍是较低的敏感度，因此将人工智能诊断作为筛查性检查不断提高敏感度可能更为合适。

3.3 移动监测设备和远程信息传输

远程信息传输技术已应用于阵发性心房颤动的筛查，也有医师尝试将其应用于长期透析患者血钾的监测。有研究利用配有电极的智能手机采集和传输单导联ECG信息，经诊断模型估测的血钾浓度与真实血钾浓度的平均误差在0.38 mmol/L左右，但这项研究只是针对不同患者的ECG特征构建不同的血钾诊断模型，验证的人群数量少[35]。许多远程ECG传输网络已建立数据库，对提高区域整体的ECG诊断能力可能提供帮助[36]。移动监测设备与人工智能相结合是今后的发展趋势，医院内的监测设备对于需要长期频繁监测的慢性病患者的便利性较差。移动设备的信息采集能力正在不断提高，除了监测腕部血流的手环类装置，一些移动装置配备的电极已能够采集相对准确的ECG信息，并且储存空间大，能连续监测数月或数年，并通过互联网导出数据用于进一步诊断。移动监测设备的不断进步也使人工智能诊断的重要性不断提高，将移动监测设备与人工智能诊断系统结合，一方面可以增加监测的便利性，另一方面人工智能可以进行预诊断或筛查，为临床医师提供帮助[37]。

4 展望

非常明确，血液学监测血清电解质浓度更准确。但是，由于电解质异常引起患者严重症状或致命性心律失常而需要尽快接受治疗时，等待血液学检查结果的时间可能耽搁及时治疗而导致生命危险。毫无疑问，ECG无创而快速的优点，对严重电解质紊乱患者的早期诊断和及时治疗能够提供帮助。但是，必须谨慎考虑ECG和临床资料之间的关联。基于ECG诊断电解质紊乱的人工智能算法模型目前还在开发或初步验证的起步阶段，需要不断的完善并进一步验证而得到可行性应用依据。利用可移动的监测设备，ECG可以用于家庭监测，能部分替代频繁的抽血检查电解质。人工智能和移动监测设备联合应用，可能是今后ECG监测技术的重要发展方向。

5 小结

临床医师在掌握电解质紊乱引起ECG异常改变识别能力的同时，更需要知悉ECG改变并非高度特异，需要临床医师能够了解电解质异常时的心脏电生理状态，推断是否可能出现严重的心律失常，并适时采取处理措施。知晓依靠经验性的ECG特征来诊断电解质异常存在一定的主观性，且缺乏明确的量化诊断标准。基于各种ECG参数建立数学模型进行定量分析和人工智能诊断，可以提高ECG的诊断效能，尽管目前尚未能真正应用于临床，但这是临床心电医师联合人工智能专业人士为之奋斗的方向，期待不久的将来，患者足不出户即可得到实时、准确的心电图诊断，为治疗提供及时而有价值的依据。

利益冲突：所有作者均声明不存在利益冲突