基于基线心电图的化学疗法诱导心脏毒性的人工智能预测

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 人环素是关键的化疗剂,但可以导致与癌症治疗相关的心脏功能障碍 (CTRCD),对患者的预后产生负面影响.
• 目前的监测指南未得到充分利用,只有50%的患者接受推的心声图.
• 电心电图 (ECG) 的特征可能反映左心室病理生理学,正如人工智能模型预测减少喷射率 (AI-EF模型) 所建议的那样.

研究的目的:

• 开发和验证一个AI模型 (AI-CTRCD) 用于使用基线心电图数据预测CTRCD风险.
• 通过转移学习利用现有AI-EF模型的洞察力,提高CTRCD预测.
• 评估AI-CTRCD模型在分层风险和提高超出已确定的风险因素的预测准确性方面的表现.

主要方法:

• 在先前存在的AI-EF模型上使用转移学习开发了AI-CTRCD模型.
• 在一组1011名用 antracyclines 治疗的患者中训练并验证了该模型.
• 利用考克斯的比例危险模型和时间依赖的AUC来评估预测性能和风险分层.

主要成果:

• 人工智能-CTRCD模型显示了显著的风险分层,高得分表明CTRCD风险升高 (HR,2.66;p < 0.001).
• 在调整已知风险因素后,这种关联仍然显著 (aHR,2.57;p < 0.001).
• 人工智能-CTRCD得分提高了预测准确性,将2年时间依赖的AUC从0.74提高到0.78 (p = 0.005).

结论:

• 人工智能-CTRCD模型有效地预测了基线心电图的CTRCD风险.
• 这种人工智能工具提供了一种非侵入性方法,用于在癌症治疗期间对心脏功能障碍风险患者进行强有力的分层.
• 这些发现支持AI-ECG分析的整合,以改善瘤病人的心脏监测.