通过外部验证的深度学习模型,通过心电图识别预发性帕金森病
Ibrahim Karabayir1, Fatma Gunturkun2, Liam Butler1
1Cardiovascular Section, Department of Internal Medicine, Wake Forest School of Medicine, Medical Center Boulevard, Winston-Salem, NC, 27157, USA.
Scientific reports
|July 29, 2023
概括
人工智能现在可以使用标准心电图 (ECG) 在诊断前几年预测帕金森病 (PD) 风险. 这种人工智能模型可以识别早期的PD标志物,从而实现及时干预和临床试验招生.
科学领域:
- 神经学 神经学
- 心脏病学 心脏病学
- 人工智能的人工智能
背景情况:
- 帕金森病 (PD) 预发性阶段缺乏已确定的心电图 (ECG) 标志物.
- 早期发现PD对于及时干预和管理至关重要.
研究的目的:
- 开发一种可通用,全自动的人工智能 (AI) 模型,使用心电图预测前期帕金森病风险.
- 在临床诊断前五年评估模型的预测准确性.
主要方法:
- 一项病例控制研究使用了来自两个独立队列 (MLH和LUC) 的标准10秒,12导电图数据.
- 开发并验证了一种新的一维卷积神经网络 (1D-CNN),用于PD风险预测.
- 人工智能模型与基于特征工程的模型进行了比较,对性别,种族和年龄进行了子组分析.
主要成果:
- 1D-CNN模型实现了0.74的外部验证AUC,用于在诊断前6个月至1年内预测PD.
- 预测准确性在接近诊断时间窗口时得到改善 (AUC为6个月-3年0.69,AUC为6个月-5年0.67).
- 使用原始心电图数据的AI模型超过了传统的特征工程方法.
结论:
- 通过人工智能分析的标准心电图可以有效地识别帕金森病前期阶段的个体.
- 这种方法为人口层面的早期检测提供了一种具有成本效益的方法,并促进了对疾病修饰治疗试验的招生.
