大動脈狭窄のためのAIベースのEKGモデルの検証と縦経路分析:コミュニティスクリーニングからTAVR前のリスク層分化まで

科学分野:

• 心臓病学 心臓病学
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 医療診断 医療診断

背景:

• 遅れた診断は,不可逆的な左心室機能不全につながる可能性があるため,大動脈狭窄症 (AS) の早期発見は極めて重要です.
• 現在の方法では,患者の診断が遅れており,早期の介入が必要となる.
• AK-AVSモデルは,AIで強化されたECGを使用し,ASの進行と結果を早期に予測することを目的としています.

研究 の 目的:

• 大動脈狭窄の介入前数年のアウトカムを予測する,AI強化の縦線EKGパターンの能力を評価する.
• AK-AVSモデルのコミュニティスクリーニングの可能性を評価する.
• 異なるAK-AVS軌跡と死亡率との関連を分析する.

主な方法:

• 2つの分析が行われました:ARIC参加者におけるAK-AVSモデルのコミュニティ検証と,TAVR受容者からのECGの縦経路分析です.
• 無監督クラスタリングにより,AK-AVS軌跡が特定され,コックス回帰と純再分類改善を用いて死亡率関連が評価されました.
• AK-AVSモデルのパフォーマンスは,中等度/重度のAS検出および将来のAS入院および心不全リスクとの関連性について評価されました.

主要な成果:

• コミュニティスクリーニング (n=16 度中症/重症AS) で,AK-AVSはAUROC 0.79を達成し,感度と特異性は75%でした.
• スクリーニングにおける偽陽性予測は,将来のAS入院および心不全のリスクが著しく増加している個人を特定しました.
• 縦断分析により,3つの異なるAK-AVS軌跡 (安定した低,加速した進行,持続的に高い) が明らかになり,上昇パターンは独立して死亡率を予測し,伝統的なスコアを超えてリスク再分類を改善しました.

結論:

• 縦断的なAI-ECG軌道のパターンは,トランスキャテーター大動脈弁置換 (TAVR) 術前4年半までAS疾患の進行を検出することができます.
• これらのパターンは,従来のリスクスコアを超えて,死亡率の予測を強化します.
• コミュニティの検証は,将来のリスクを示す"偽陽性"で,潜在的なスクリーニングの有用性を示唆しています.