个性化,直观和视觉QT延长监测使用患者特定的QTc值与伪色和可解释的AI

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 药理学 药理学是指药理学的学科.

背景情况:

• 药物诱导的QT延长会增加Torsades de Pointes (TdP) 心律失常和心脏突然死亡的风险.
• 准确的QT间隔测量和定义患者特异性的TdP风险切断值因性别,基线,年龄,遗传学和心拍等因素而复杂.

研究的目的:

• 提出一种新的,可解释的基于人工智能的方法,用于直观的视觉监测QT延长.
• 通过整合患者特异性因素,使TdP的个性化风险评估成为可能.

主要方法:

• 开发了一种可解释的AI技术,通过ECG信号上的伪色彩来可视化决策.
• 人工智能被评估在5050个来自临床试验的心电图上,其中包括QT延长药物和安慰剂.
• 用个性化QTc截止值 (例如,Bazett的∆QTc>60毫秒,QTc>500毫秒) 来比较以前的QT-nomogram方法的性能.

主要成果:

• 可解释的AI准确地检测到QT延长与个性化的切断,实现高灵敏度和特异性 (例如,0.95灵敏度和0.95特异性∆QTc>60毫秒).
• 与没有药物的基线相比,与Bazett的∆QTc>60毫秒相比,个性化伪色显示出与Bazett的QTc>500毫秒相比,更高的灵敏度.
• 个性化方法更好地识别了临床上显著的QT延长,特别是在心肌梗塞的病例中,这种情况可能会被一般的切断值低估.

结论:

• 可解释AI提供了一种有效的方法来监测QT延长和TdP风险.
• 使用患者特异性因素进行QT延长评估的个性化提高了检测准确性和临床相关性.
• 这种人工智能驱动的视觉工具增强了对药物诱导的心脏风险的理解和管理.