心筋不全の証拠のない心電図に基づく冠動脈疾患の排除と排除のためのディープラーニングアルゴリズムの開発と検証

科学分野:

• 心臓病科
• 人工知能
• 医療診断

背景:

• 現在の冠動脈疾患 (CAD) のガイドラインは,患者管理のために前試験確率 (PTP) の値 (排除の場合は≤5%,導入の場合は≥15%) を利用しています.
• 電気心臓図 (ECG) は一般的な診断ツールですが,血栓不全の証拠のないCADを排除する際の有用性は,進歩の領域です.

研究 の 目的:

• 冠動脈疾患 (CAD) を排除するためのディープラーニングアルゴリズムの開発と検証.
• 心筋不全の証拠のない患者の心電図 (ECG) を用いてアルゴリズムの性能を評価する.
• CADリスクの階層化のためのアルゴリズムベースの意思決定プロトコルを確立する.

主な方法:

• ディープラーニングアルゴリズムは,それぞれフワイ病院からのECGデータの90%と10%で訓練され,内部で検証されました.
• このアルゴリズムは12鉛のECGを用いてCAD (≥70%の狭窄) を検出するように設計された.
• 決定プロトコルのパフォーマンスを評価するために,ユナン・フワイ病院のデータを用いて外部検証が行われ,95%の負の予測値 (NPV) を目指した.

主要な成果:

• 内部検証ではAUCは0. 81であった. 排除群と導入群では,それぞれ5%と23%のCADの罹患率があった.
• 外部検証では,それぞれ0%の排除値と15%の導入値が認められた.
• アルゴリズムベースのプロトコルは,患者層分化のガイドラインで推奨されたパフォーマンスを達成しました.

結論:

• 開発されたディープラーニングアルゴリズムは,心筋不全の兆候がない場合でも,ECGを使用してCADを効果的に検出します.
• アルゴリズムに基づいた意思決定プロトコルは 患者の更なる検査のための 排除または導入プロセスを成功裏に導くことができます
• この人工知能のアプローチは 冠動脈疾患の疑いのある診断経路の改善に 期待を寄せています