基于人工智能驱动的心电图模型的国际评估,用于检测急性冠状动脉封闭,心肌梗塞
Robert Herman1,2,3, Harvey Pendell Meyers4, Stephen W Smith5,6
1Department of Advanced Biomedical Sciences, University of Naples Federico II, C.so Umberto I, 40, 80138 Naples, Italy.
European heart journal. Digital health
|March 20, 2024
概括
一个新的人工智能 (AI) 模型使用心电图 (ECG) 准确检测闭塞性心肌梗塞 (OMI). 这种人工智能工具表现出优于STEMI标准的性能,有助于及时诊断和治疗OMI.
科学领域:
- 心脏病学 心脏病学
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 大多数急性冠状动脉综合征 (ACS) 在心电图上缺乏ST升高.
- 一大部分非ST升高心肌梗塞 (NSTEMI) 患者患有闭塞心肌梗塞 (OMI),与不良结果相关.
- 延迟识别OMI导致患者预后较差.
研究的目的:
- 开发一种多功能的人工智能 (AI) 模型,使用标准的12导电心电图来检测急性OMI.
- 将AI模型的诊断性能与既定标准和专家解释进行比较.
主要方法:
- 在一个大型的国际数据集上训练了一种AI模型,该数据集包括来自10,543名疑似ACS.患者的18,616个心电图.
- 该模型的性能被评估在一个独立的国际队列.
- 人工智能模型与ST升高心肌梗塞 (STEMI) 标准和OMI检测的ECG专家诊断进行了比较.
主要成果:
- 人工智能模型在识别OMI时实现了0.938的AUC.
- 人工智能模型在检测OMI时,与STEMI标准 (83.6%) 相比,显示出更高的准确性 (90.9%).
- 人工智能模型的性能与ECG专家相当,灵敏度高于STEMI标准.
结论:
- 与STEMI标准相比,AI ECG新型模型在急性OMI检测方面表现出更高的准确性.
- 这种人工智能工具有可能增强ACS分拣,并促进迅速的再血管化.
- 及时识别和管理OMI可以显著改善患者的治疗结果.
