人工智能支持的心电图用于左心室透静功能和填充压力的左心室透静功能

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:

• 左心室透静功能评估对于诊断和预测心脏疾病至关重要,包括心力衰竭与保存的喷射分数.
• 心声图是评估透气功能的标准,但其可访问性和解释性可能受到限制.
• 需要使用非侵入性,易于使用的工具来帮助早期检测透支功能障碍.

研究的目的:

• 开发和验证一款支持人工智能 (AI) 的心电图 (ECG) 模型,用于识别心电图学决定的腹功能障碍和增加的填充压力.
• 与心声回声相比,评估AI-ECG模型的诊断和预后性能.
• 通过心声学来评估AI-ECG在患有不确定的透气功能的患者中的实用性.

主要方法:

• 训练,验证和测试了一种支持人工智能的心电图模型,用于大量患者队列 (总计超过22万),并同时使用心电图和心声图数据.
• 使用接收器运行特征曲线下的面积 (AUC) 评估模型性能,以检测增加的填充压力和不同程度的透气功能障碍.
• 通过比较AI-ECG预测的填充压力与心声回声学发现分层的患者的死亡率来评估预后性表现,平均随访时间为5.9年.

主要成果:

• AI-ECG模型在检测增加的填充压力 (0.911) 和扩张性功能障碍等级 (0.847到0.943) 中实现了高AUC.
• 增加填充压力的AI-ECG预测表明死亡率具有显著的预后价值,与心声回声相比较.
• 在不确定的心声回声检测结果的患者中,AI-ECG也显示出与较高死亡率的显著关联 (HR 1.34).

结论:

• 启用人工智能的心电图模型有效地识别了增加的填充压力和扩张功能障碍等级,诊断准确度与心声回声相美.
• 人工智能-心电图模型具有显著的预后价值,预测死亡风险与传统心声回声评估类似.
• 人工智能心电图 (AI-ECG) 是一个有希望的,简单的工具,可以提高早期检测和风险分层心脏病与腹功能障碍相关的风险分层.