中国科技大学教授陈燕的团队首次利用mm波雷达感知技术实现了大规模人群非接触式高精度房颤的诊断。5月20日，相关研究成果发表在《自然通信》上。

房颤是最常见的心率异常疾病之一，不仅会引起显著的临床表现，还会严重威胁患者的生命健康。心电图是房颤诊断的金标准，但房颤，尤其是初期，往往呈现无症状间歇性发作。传统心电图的监测只持续10秒到几分钟，往往只能在发病后诊断，错过了最佳治疗时机。动态心电图等可穿戴技术为持续监测提供了新的途径，但其接触式检测特性使用不便，难以在无症状早期长期使用。因此，如何在第一次发病前实现早期发现仍是临床面临的重大挑战。

研究小组创新性地建立了心电图活动与机械运动模式之间的相关投影，利用百年验证的心电图信号特征，帮助神经网络识别房颤独特的异常机械起伏。该系统实现了非接触、无操作、无可穿戴设备的检测方法，在各种临床验证中实现了接近心电图诊断的检测性能。

该系统在6258名受试者中进行了测试，灵敏度为0.844，特异性为0.995。在对27例房颤高风险受试者的日常主动监测中，系统在治疗诊断前成功识别出2例房颤患者。此外，该系统还能灵敏地识别射频消融手术前后房颤发作的动态变化。

这种优异的性能源于两个核心技术突破：研究小组开发了一种特殊的雷达信号处理算法，可以高精度捕捉毫米级心脏机械运动;利用现有大型心电图数据库的诊断知识，训练人工智能模型准确识别房颤独特的机械运动模式。

该系统旨在实现完全无接触、无操作的主动性房颤监测，自然融入睡眠或工作等日常生活场景，支持从健康状态到房颤全过程的终身监测。研究结果表明，该技术有望推动当前房颤诊疗过程向个性化、主动化管理模式转变，从而实现更有效的心血管健康管理。