通过人工智能支持的心电图成功预测左束枝块诱导的心肌病和治疗效果
Rahul Dhawan1, Mohamed Omer2, Caitlin Carpenter2
1Mayo Clinic Rochester, Rochester, Minnesota, USA.
Pacing and clinical electrophysiology : PACE
|April 7, 2024
概括
人工智能 (AI) 的心电图可以预测左束支部阻塞 (LBBB) 诱导的心肌病. 这项技术还在预测对左捆分支区域节奏的反应方面表现有希望,改善了患者的治疗结果.
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:
- 左捆支部阻塞 (LBBB) 诱导的心肌病是一种已知的疾病.
- 目前,没有任何临床试验可靠地预测其发生.
- 早期识别有风险的患者仍然是一个挑战.
研究的目的:
- 调查人工智能支持的ECG在预测LBBB诱导心肌病的潜力.
- 评估AI-ECG在预测对左捆分支区域 (LBBA) 节奏反应中的实用性.
主要方法:
- 一个70岁的男性患有LBBB和新发性心力衰竭的病例报告.
- 利用AI启用的ECG在演示前6年进行.
- 冠状动脉血管学和其他病因学调查对心肌病变的原因呈负面结果.
- 评估AI-ECG在LBBA节奏之前和之后的预测.
主要成果:
- 在临床呈现前6年,AI-ECG预测了低射出分数 (EF) 的高概率 (91%).
- 在LBBA节奏之后,AI-ECG低EF概率显著下降 (47%立即,3%在2个月).
- 患者心力衰竭症状明显改善,EF正常化 (54%).
结论:
- 启用人工智能的心电图显示出有可能识别患有LBBB诱导心肌病症风险的患者.
- AI-ECG可以预测LBBA节奏在改善心脏功能方面的有效性.
更多相关视频
12:45Benefits of Cardiac Resynchronization Therapy in an Asynchronous Heart Failure Model Induced by Left Bundle Branch Ablation and Rapid Pacing
Published on: December 11, 2017
10.5K
05:03Patient Directed Recording of a Bipolar Three-Lead Electrocardiogram using a Smartwatch with ECG Function
Published on: December 11, 2019
8.6K
