在肺切除候选人中开发机器学习模型用于VO2max估计,使用贴片型单导电图监测设备对肺切除候选人进行监测
Hyun Ah Lee1, Woosik Yu2, Jong Doo Choi3
1Department of Pulmonary and Critical Care Medicine, Ajou University School of Medicine, Suwon 16499, Republic of Korea.
Healthcare (Basel, Switzerland)
|November 14, 2023
概括
一个新的机器学习模型使用心电图贴片估计最大氧气消耗 (VO2max),为肺切除候选人提供了心肺运动测试 (CPET) 的更简单的替代方案.
科学领域:
- 心脏病学 心脏病学
- 肺部病理学 肺部病理学
- 医疗技术 医疗技术 医学技术
背景情况:
- 心肺运动测试 (CPET) 对于评估肺切除候选人至关重要.
- 执行CPET可能具有挑战性,需要使用替代评估方法.
研究的目的:
- 开发一种机器学习模型,用于估计最大氧气消耗量 (VO2max).
- 使用单导电心电图 (ECG) 贴片的数据来估计VO2max.
- 评估模型在肺切除候选人的实用性.
主要方法:
- 展望性,单中心研究涉及42名肺切除候选人.
- 在CPET期间使用贴片型单导电图监测装置.
- 机器学习算法结果与标准CPET测量的比较.
主要成果:
- 机器学习模型在估计VO2max时显示出低偏差 (-0.33mL·kg-1·min-1),与FRIEND方程 (0.30mL·kg-1·min-1) 相比.
- 该模型在不同的最大努力水平和性别中显示出一致的性能.
- 开发的模型提供了比现有方程更接近的VO2max估计.
结论:
- 开发的机器学习模型为VO2max估计提供了一个有希望的,非侵入性的方法.
- 这种工具可以帮助评估心肺储备,当CPET对肺切除候选人来说不可行时.
