提高检测阻塞性冠状动脉疾病与一个人工智能启用心电图算法.
Yin-Hao Lee1, Ming-Tsung Hsieh2, Chun-Chin Chang3
1Division of Cardiology, Department of Medicine, Taipei City Hospital, Yang Ming Branch, Taipei, Taiwan; Division of Cardiology, Department of Medicine, Taipei Veterans General Hospital, Taipei, Taiwan; Cardiovascular Research Center, National Yang Ming Chiao Tung University, Taipei, Taiwan.
使用心电图 (ECG) 的人工智能 (AI) 模型在识别冠状动脉疾病 (CAD) 中表现有前途. 这种人工智能工具的性能与传统的风险因素相提并论,在诊断阻塞性CAD方面,它超过了心脏病学家.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 传统的冠状动脉疾病 (CAD) 风险评估依赖于症状,心血管风险因素 (CVRF) 和心电图 (ECG).
- 目前的ECG解释缺乏诊断CAD的既定标准.
- 需要改进的诊断工具来识别患有CAD的患者.
研究的目的:
- 开发和评估一个支持人工智能 (AI) 的心电图模型,用于识别患有阻塞性CAD的患者.
- 将人工智能模型的性能与传统的CVRF和心脏病学家的解释进行比较.
- 为了验证人工智能模型在外部患者队列上的有效性.
主要方法:
- 分析了4951名接受冠状动脉血管造影 (CAG) 的患者队列.
- 使用深度学习和机器学习的堆叠模型是利用年龄,性别和心电图数据开发的.
- 通过将其预测准确性 (AUC,灵敏度,特异性,F1分数) 与CVRF和心脏病专家进行比较,并通过外部验证来评估模型的性能.
主要成果:
- 人工智能模型在预测CAD方面表现与CVRF相似 (AUC为0.70对0.71).
- 人工智能模型在诊断阻塞性CAD方面表现优于心脏病学家 (F1得分为0.68对0.41).
- 外部验证证实了通常一致的诊断结果,并将心电图与CVRF结合起来,提高了预测准确度 (AUC 0.72).
结论:
- 启用人工智能的心电图模型可以有效地帮助识别患有阻塞性CAD的患者.
- 人工智能模型的诊断性能与传统的基于CVRF的方法相似.
- 这种人工智能工具有可能成为门诊机构的有价值的临床辅助工具,用于患者分拣和进一步的诊断测试.
更多相关视频
10:17Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System
Published on: April 11, 2025
18:11A Research Method For Detecting Transient Myocardial Ischemia In Patients With Suspected Acute Coronary Syndrome Using Continuous ST-segment Analysis
Published on: December 28, 2012
相关概念视频
Acute Coronary Syndrome III: Diagnostic Studies
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Electrocardiogram
Three major waveforms are present in a typical ECG recording: the P wave, the QRS complex, and...
Coronary Artery Disease V: Interprofessional Care
Imaging Studies for Cardiovascular System V: CT
Coronary Artery Disease I: Introduction
