人工智能启用心电图学有助于甲状腺功能障碍的检测和预测结果

科学领域:

• 心脏病学 心脏病学
• 内分泌学 在内分泌学.
• 人工智能在医学中的应用

背景情况:

• 甲状腺功能障碍经常被诊断不足,导致心力衰竭和死亡率的重大风险.
• 早期识别高风险个体对于有效的抗甲状腺治疗至关重要.
• 电心电图 (ECG) 可以揭示与甲状腺功能障碍相关的心脏电气变化.

研究的目的:

• 开发和验证人工智能 (AI) 模型,通过心电图检测甲状腺功能障碍.
• 评估人工智能模型在预测心血管结果方面的能力,包括死亡率和心力衰竭.

主要方法:

• 一个深度学习模型在33,246名患者的47,245个心电图上接受了训练,这些患者有可用的甲状腺刺激激素 (TSH) 测量.
• 使用TSH和自由甲状腺素水平来定义过度和亚临床甲状腺功能障碍.
• 该模型经过内部验证 (14,420名患者) 和外部验证 (11,498名和596名患者).

主要成果:

• 人工智能模型在检测甲状腺功能障碍 (AUC 0.725-0.761) 和明显甲状腺功能障碍 (AUC 0.867-0.876) 中表现出强的表现.
• 亚临床甲状腺功能障碍检测的性能为AUC 0.631-0.701,超过了传统的机器学习模型.
• 人工智能识别的甲状腺功能障碍患者面临1.97-2.94倍的死亡和新发性心力衰竭风险,特别是那些患有亚临床甲状腺功能障碍患者.

结论:

• 一个人工智能驱动的算法有效地使用心电图数据识别明显的和亚临床的甲状腺功能障碍.
• 该算法增强了心血管风险分层,特别是在亚临床甲状腺功能障碍症患者中.
• 这种人工智能方法为甲状腺功能障碍的早期检测和风险评估提供了一个新的工具.