现成的机器学习架构和偏差在检测低左心室射出小部分的性能
medRxiv : the preprint server for health sciences
|August 31, 2023
概括
机器学习模型可以从ECG中对低射出分数进行分类. 这项研究比较了各种AI架构,以找到表现最佳的模型并确定潜在的偏差.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 人工智能-机器学习 (AI-ML) 擅长从诊断数据中提取超出人类能力的临床见解.
- 应用于心电图 (ECG) 的AI-ML可以预测专家读者错过的患者特征和病理.
- 预定义的开源AI-ML架构为从心电图数据中发现新型疾病生物标志物提供了快速开发途径.
结论:
- 该研究证实,随时可用的AI-ML架构可以训练来检测ECG的低LVEF.
- 对比分析揭示了各种AI-ML模型用于ECG解释的性能差异.
- 了解性能限制和潜在偏见对于在心脏病学中公平地部署AI-ML至关重要.


