基于心电图的儿童深度学习预测左心室功能障碍和重塑
Joshua Mayourian1,2, William G La Cava3,2, Akhil Vaid4
1Department of Cardiology (J.M., S.J.G., T.G., A.D., M.E.A., J.K.T.), Boston Children's Hospital, MA.
Circulation
|February 5, 2024
概括
一个人工智能算法可以使用心电图检测左心室功能障碍和重塑儿童,提供一个有希望的,廉价的查工具. 这项技术使儿童心脏病专业知识变得民主化,
科学领域:
- 心脏病学
- 人工智能
- 医疗诊断
背景情况:
- 人工智能 (AI) 在成年人中显示出对心电图分析的潜力,但在儿童群体中尚未得到充分探索.
- 在使用人工智能增强的心电图的儿童中检测左心室 (LV) 功能障碍和重塑是一个至关重要的未满足需求.
研究的目的:
- 开发和验证人工智能算法,用于检测儿科患者的 LV 功能障碍,缩和扩张.
- 与人类专家和外部验证队伍对算法的性能进行评估.
主要方法:
- 一个卷积神经网络在儿科患者 (≤18岁) 的对联心电图-心声图上进行了训练.
- 该模型确定了使用AUROC和AUPRC指标评估的LV功能障碍,缩和扩张.
- 在内部,紧急部门和外部验证数据集上测试了性能.
主要成果:
- 人工智能模型在检测 LV 异常方面表现强,与儿科心脏病学家的基准值相当或超过.
- 外部验证显示复合结果的高负预测值 (99.0% - 99.2%).
- Saliency映射确定了预测 LV 功能障碍和重塑的关键心电图特征.
结论:
- 一个外部验证的AI算法可以通过心电图有效地选儿童的LV功能障碍和重塑.
- 这种技术提供了一种廉价的方法,
- 人工智能工具使儿童心脏病专业知识变得民主化,有可能改善早期检测和管理.


