心臓外科外科における手術前リスク評価のための人工知能強化EKGスコア

科学分野:

• 心臓病学 心臓病学
• 医療における人工知能
• 外科リスク評価

背景:

• 電気心臓撮影 (ECG) は,非心臓外科手術の術前リスク評価において,歴史的に限られた予後値を有してきた.
• 伝統的なリスク評価ツールには,手術後の有害事象の予測に十分な正確性が欠けていることが多い.

研究 の 目的:

• 術後30日間の死亡率を予測する上で,QCG-Criticalスコアと呼ばれるAI対応のEKGの有用性を評価する.
• QCG-Criticalスコアの予測パフォーマンスを,既知の外科手術後のリスク評価ツールと比較する.

主な方法:

• 2020年から2021年の間に非心臓外科手術を受けた46,135人の成人の患者の遡及分析.
• 術前EKGはディープラーニングアルゴリズム (CNN) を使用してQCG-Criticalスコアを生成するために分析されました.
• QCG-Criticalスコアの予測精度 (AUROC) をESC外科カテゴリー,RCRI,および30日死亡率のASA分類と比較してパフォーマンスを評価した.

主要な成果:

• QCG-Criticalスコアは,30日間の死亡率 (AUROC:0.909) に関する強力な予測性能を示し,ESC (0.728) とRCRI (0.725) を大幅に上回り,ASA (0.886) と比較可能でした.
• QCG-Criticalスコア>40の患者は,全体的な0.34%の死亡率と比較して11.7%の死亡率を示しました.
• このスコアは,さまざまな患者サブグループで一貫したパフォーマンスを示し,7日間の死亡率 (AUROC: 0.933) などの他の有害なアウトカムを予測しました.

結論:

• 術前のQCG-Criticalスコアは,非心臓外科手術における術後の死亡率およびその他の不良結果を正確に予測します.
• このAI駆動のECGツールは,予測の正確性において従来のリスク層分化の方法を上回ります.
• QCG-Criticalスコアは,通常の手術後のリスク評価のための迅速で,アクセスしやすい,統合可能なツールとして,潜在的な解決策を提供します.