预测左心室缩从12导电心电图在英国生物银行成像研究使用机器学习的英国生物银行成像研究
Hafiz Naderi1,2, Julia Ramírez1,3, Stefan van Duijvenboden1,4
1William Harvey Research Institute, NIHR Barts Biomedical Research Centre, Queen Mary University of London, Charterhouse Square, London, EC1M 6BQ, UK.
European heart journal. Digital health
|August 4, 2023
概括
电心电图 (ECG) 生物标志物在与临床数据相结合时有效预测左心室缩 (LVH). 这种方法为患者风险分层提供了具有成本效益的方法,改善了心血管疾病管理.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 生物标志物 生物标志物
背景情况:
- 左心室缩 (LVH) 是心血管疾病的重要预测因素.
- 电心电图 (ECG) 索引对LVH检测具有有限的灵敏度.
- 心血管磁共振 (CMR) 影像是确定的方法来诊断LVH.
研究的目的:
- 通过使用12导电图数据来对LVH进行分类.
- 为 LVH 开发具有成本效益的患者分层工具.
- 整合ECG生物标志物和临床变量,以改善LVH预测.
主要方法:
- 从37534名英国生物库参与者中提取了ECG生物标志物.
- 开发了使用后勤回归,SVM和RF的分类模型.
- 使用了80%的培训和20%的测试集,并进行了10倍的交叉验证.
主要成果:
- QRS幅度和血压是LVH的关键预测指标.
- 后勤回归实现了81%的准确性 (AUC 0.86),SVM为81% (AUC 0.85),RF为72% (AUC 0.83).
- 电图生物标志物显著提高了分类器的性能,远远超过单独的临床变量.
结论:
- 结合的心电图生物标志物和临床变量可以准确预测CMR定义的LVH.
- 电动心电图作为LVH风险分层的经济选工具.
- 经过验证的模型证明了临床应用的稳定性.
更多相关视频
10:17Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System
Published on: April 11, 2025
697
11:13Quantification of Mouse Heart Left Ventricular Function, Myocardial Strain, and Hemodynamic Forces by Cardiovascular Magnetic Resonance Imaging
Published on: May 24, 2021
6.4K
