人工智能预测未被诊断的心房动在患有源不明的栓塞性中风的患者使用鼻腔节律心电图
Jina Choi1, Ju Youn Kim2, Min Soo Cho3
1Cardiovascular Center, Department of Internal Medicine, Seoul National University Bundang Hospital, Seongnam, Korea.
Heart rhythm
|March 17, 2024
概括
一个人工智能 (AI) 模型有效地使用鼻节律心电图 (ECG) 识别了心房动 (AF) 在源不明的栓塞性中风 (ESUS) 患者中. 这种人工智能工具有望通过早期干预和二次中风预防来改善患者的治疗结果.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 未被诊断的阳性心房动 (AF) 是源不明的栓塞性中风 (ESUS) 的常见原因.
- 人工智能 (AI) 对鼻节律 (SR) 电心图 (ECG) 的解释可能有助于检测ESUS患者隐藏的AF.
研究的目的:
- 评估人工智能模型在诊断ESUS的患者中从SR ECG识别AF的有效性.
主要方法:
- 一个基于变压器的视觉人工智能模型在超过737,000个SR ECG上受过训练.
- 评估了人工智能模型在2年内检测当前或预测未来AF的能力.
- 在352名ESUS患者的诊断性能得到了验证,这些患者使用可插入心脏监测器 (ICM) 进行监测.
主要成果:
- 在长达25.1个月的随访期间,14.4%的患者出现了持续≥1小时的AF发作.
- 人工智能算法在检测AF ≥1小时时实现了0.806的曲线下的面积 (AUC),在临床参数下改善到0.880.
- 人工智能模型在较长的AF发作中显示出更高的准确性,并在AF发作之前增加AF风险得分的趋势.
结论:
- 开发的AI模型在预测ESUS患者的AF方面表现出强大的诊断性能.
- 这种人工智能工具有可能通过及时干预和二次中风预防策略来改善患者的预后.
