牛津大学近日宣布，由该校主导的AMALFI临床试验结果证实，基于iRhythm Technologies Zio®长期连续监测（LTCM）服务的居家筛查策略，能显著提高心房颤动（AFib）检出率并缩短诊断时间。该研究结果已在2025年欧洲心脏病学会（ESC）大会上发布，并同步发表于《美国医学会杂志》（JAMA）。
这项前瞻性随机对照试验纳入英国27家基层医疗机构的5040名患者，研究对象为65岁以上、具有卒中高风险因素人群。受试者被随机分为两组，干预组接受14天Zio XT LTCM设备监测，对照组维持常规护理。研究显示：
- 干预组新确诊AFib比例为6.8%（172/2520），对照组为5.4%（136/2520），相对风险比达1.26（95%CI 1.02-1.57）
- 干预组诊断时间中位数103天（IQR 43-539），显著短于对照组的530天（IQR 276-688）
- 干预组患者抗凝药物处方率提升，平均用药时长增加0.5个月
牛津大学人口健康系Louise Bowman教授指出："AFib常呈无症状发作，新型远程监测技术能通过持续心电图记录发现隐匿性发作。AMALFI证实了居家监测方案的可行性，可基于电子健康档案大规模实施，且对医疗系统负担极低。"
研究创新性体现在：
- 全远程实施：无实体研究站点，患者通过邮件获取设备并自主佩戴
- 真实世界验证：73%参与者年龄≥75岁，包含19%既往卒中/短暂性脑缺血发作史患者
- 技术优势：设备佩戴期间98.8%时间可分析数据，中位使用时长13.9天
该研究对英国医疗体系具有重大意义：
- 早期诊断窗口提前427天，可减少卒中风险
- 单次14天监测效果可持续2.5年随访期
- 适配NHS向社区医疗倾斜的"上游诊疗"战略
iRhythm首席医学官Mintu Turakhia博士强调："这是首次证明大规模实施无症状心律失常筛查的可行性。结合深度学习算法处理20亿小时心跳数据的经验，我们的技术已支持超千万份临床报告，持续推动房颤管理范式转变。"
Zio LTCM服务技术特点：
- 单次佩戴14天，连续捕获心电数据
- 英国本土部署的深度学习算法可识别13种心律失常类型
- 经认证心电技师二次人工审核报告
- 已获FDA 510K、CE、UKCA等认证
研究资金由英国国家健康研究院（NIHR）及英国心脏基金会提供。iRhythm Technologies作为技术提供方免费供应设备及分析服务。该研究为英国国家医疗服务体系在基层医疗场景应用远程心电监测提供了关键证据，标志着AI驱动的精准健康干预进入规模化落地新阶段。
【全文结束】