Bước đầu tiên khi đọc điện tâm đồ: tính đều đặn và sự biến mất của sóng
Điều cần chú ý trước tiên trên điện tâm đồ đã cho là sự mất
sóng P và nhịp
phức bộ QRS không đều. Ở nhịp xoang bình thường, xung điện phát ra từ nút xoang nhĩ khử cực tâm nhĩ, tạo nên sóng P có hình dạng hằng định đứng trước mỗi phức bộ QRS. Tuy nhiên, trên điện tâm đồ này không thấy sóng P rõ ràng, thay vào đó là đường đẳng điện gợn sóng lăn tăn, không đều. Điều này phản ánh tình trạng tâm nhĩ không co bóp đồng bộ mà rung lên hỗn loạn với tần số trên
350~600 lần/phút. Dựa trên cơ chế sinh lý bệnh này, có thể loại trừ
cuồng nhĩ (sóng F hình răng cưa rõ ràng),
cuồng thất có phức bộ QRS đều đặn và
ngoại tâm thu thất (phức bộ QRS giãn rộng, không có sóng P đi trước).
[1]
Ý nghĩa lâm sàng của rung nhĩ: mối liên hệ với đột quỵ và suy tim
Không nên chỉ hiểu rung nhĩ đơn thuần là mạch không đều. Việc tâm nhĩ mất khả năng co bóp hiệu quả gây ứ trệ dòng máu, đặc biệt làm tăng nhanh nguy cơ hình thành huyết khối trong tiểu nhĩ trái (left atrial appendage). Vì vậy, rung nhĩ được xem là một trong những nguyên nhân chính gây đột quỵ thiếu máu não. Hơn nữa, mất sự phối hợp nhĩ – thất làm giảm cung lượng tim, có thể dẫn đến suy tim mạn hoặc làm nặng thêm tình trạng suy tim sẵn có. Đặc biệt ở người bệnh có rối loạn chức năng tâm trương thất như bệnh cơ tim phì đại (HCM), sự xuất hiện của rung nhĩ làm gia tăng gánh nặng huyết động và là yếu tố quyết định khiến tiên lượng xấu đi nhanh chóng.
[2] [3]
Diễn tiến âm thầm: tầm quan trọng của sàng lọc rung nhĩ không triệu chứng
Một trong những lý do khiến việc chẩn đoán rung nhĩ khó khăn là người bệnh thường hoàn toàn không cảm nhận được triệu chứng nào. Rung nhĩ không triệu chứng thường bị chẩn đoán muộn và chỉ được phát hiện sau khi đã xảy ra đột quỵ. Do đó, gần đây việc theo dõi điện tâm đồ một chuyển đạo (single-lead ECG) bằng thiết bị đeo được chú ý như một công cụ sàng lọc. Tuy nhiên, tín hiệu thu được trong thực hành dễ bị nhiễu do cử động hay hoạt động cơ, khiến các đặc điểm bệnh lý tinh tế như mất sóng P hay sóng f dễ bị che lấp. Để khắc phục hạn chế này, các kỹ thuật học sâu đánh giá chất lượng tín hiệu và tăng cường dữ liệu đang được ứng dụng, góp phần nâng cao tỷ lệ phát hiện sớm ở người bệnh không triệu chứng.
[1] [4]
Khả năng diễn giải của chẩn đoán dựa trên học máy
Khi trí tuệ nhân tạo được đưa vào thực hành lâm sàng, điều quan trọng là thuật toán không chỉ đưa ra kết quả mà còn phải giải thích được vì sao đi đến kết luận đó. Trong các mô hình học máy chẩn đoán rung nhĩ, người ta sử dụng các kỹ thuật diễn giải như SHAP (SHapley Additive exPlanations) để trực quan hóa những thông số điện tâm đồ nào là căn cứ cho phán đoán. Ví dụ, có thể định lượng mức độ ảnh hưởng của chỉ số bất thường về khoảng RR hay đặc trưng liên quan đến sự vắng mặt sóng P đối với kết luận cuối cùng của mô hình. Khả năng diễn giải này không chỉ hỗ trợ chẩn đoán mà còn cung cấp cơ sở để nhân viên y tế tin tưởng và tích hợp phán đoán của trí tuệ nhân tạo vào quyết định lâm sàng.
[2]Tài liệu tham khảo (nguồn nghiên cứu)
- [1]
Single-Lead ECG Arrhythmia Classification Based on Peak-Enhanced Attention Network and Quality-Aware GAN Data Augmentation Framework.Bài báo nghiên cứuZhang Y, Xia Y. (2026) · DOI: 10.3390/s26123852
- [2]
Empowering atrial fibrillation detection with TabPFN and SHAP interpretation based on ECG-derived features: a dual-center temporal validation study.Bài báo nghiên cứuChen M, Li T, Wang Z, Fan X, Xu H, Zhou Y, Hu M. (2026) · DOI: 10.1186/s12872-026-05936-0
- [3]
Atrial fibrillation prediction in patients with hypertrophic cardiomyopathy based on long-term follow-up data and machine learning model.Bài báo nghiên cứuDing WX, Li GC, Dong HY, Zong DF, Ai XJ, Xia YL, Yang XL, Dong YX. (2026) · DOI: 10.3389/fphys.2026.1814593
- [4]
MOE-ECG: Multi-Objective Ensemble Fusion for Robust Atrial Fibrillation Detection Using ElectrocardiogramsBài báo nghiên cứuPeimankar A, Hossein Motlagh N, Khare SK, Spicher N, Dominguez H, Abolghasemi V, Fujiwara K, Teichmann D, Rahmani R, Puthusserypady S. (2026) · DOI: 10.64898/2026.03.28.26349522