シヌスリズム中の心房細動の患者の識別のための人工知能対応のECGアルゴリズム:結果予測の遡及的分析

科学分野:

• 心臓病科
• 人工知能
• 医療診断

背景:

• 動脈動 (AF) はしばしば無症状で,脳卒中や心不全などのリスクが伴います.
• 現在のスクリーニング方法は費用がかかり,時間がかかり,検出率は低い.
• AFの迅速で安価な 診療所でのスクリーニングが必要です

研究 の 目的:

• 機械学習ベースのツールを開発し,迅速かつ安価に心房細動の診断を行う.
• 正常な副鼻腔リズム中に心電図 (ECG) のサインを検出するために人工知能 (AI) を利用する.

主な方法:

• 18歳以上の患者の標準的な10秒,12リードのECGを使用して,コンボリューションニューラルネットワーク (CNN) AIモデルを開発しました.
• 検証されたECGを持つ18万人を超える患者が含まれており,トレーニング,内部検証,テストデータセットに分かれています.
• 曲線下の面積 (AUC),精度,感度,特異性,F1スコアなどのメトリックを使用してモデルのパフォーマンスを評価します.

主要な成果:

• AI対応の単一のEKGでは,心房細動がAUC0. 87と精度79. 4%で確認されました.
• 最初の月の患者データからEKGを取り入れた結果,AUCは0. 90で,精度は83. 3%でした.
• AIモデルでは AFの検出に相当な感度と特異性を示した.

結論:

• AIで機能するECGは,正常な副鼻腔リズムで,心房細動の患者を治療の場で効果的に特定できます.
• この技術はAFの早期発見と管理に 有望なアプローチを提供します
• AIツールは,心房細動の迅速かつアクセシブルなスクリーニング方法を提供します.