用人工智能增强的心电图分析用于识别糖尿病患者心脏自主神经病变
Krzysztof Irlik1,2,3, Hanadi Aldosari1,4, Mirela Hendel2
1Liverpool Centre for Cardiovascular Science at University of Liverpool, Liverpool John Moores University and Liverpool Heart and Chest Hospital, Liverpool, UK.
Diabetes, obesity & metabolism
|April 11, 2024
概括
机器学习算法有效地检测使用心电图 (ECG) 的糖尿病患者确定的/严重的心脏自主神经病变 (CAN). 这种方法对大规模的CAN查和早期干预有希望.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 心脏自主神经病变 (CAN) 是糖尿病的一个常见并发症.
- 早期发现CAN对于管理心血管风险至关重要.
- 目前用于CAN的诊断方法可能是侵入性的或耗时的.
研究的目的:
- 开发和验证用于使用心电图 (ECG) 诊断CAN的机器学习 (ML) 算法.
- 在糖尿病患者中具体识别确定的/严重的CAN (dsCAN).
- 评估动机和异调提取技术在ECG分析中用于CAN检测的有效性.
主要方法:
- 使用长期短期记忆网络的动机和不和提取技术来分析12次,10秒的心电图追踪.
- 采用了一个支向量机器分类模型.
- 使用十倍交叉验证评估模型性能,报告准确性,精度,回忆,F1分数和AUC.
主要成果:
- 最好的dsCAN分类模型的准确度为0.92,F1得分为0.92,回忆率为0.94,精度为0.91,AUC为0.93.
- 为了检测任何阶段的CAN,组合动机和异调方法的准确度为0.65,AUC为0.68.
- 这项研究分析了205名糖尿病患者的数据,其中100名被诊断患有癌症.
结论:
- ML技术,特别是ECG的动机和异调分析,显示出在糖尿病患者中检测dSCAN的巨大潜力.
- 这种自动化方法可以促进大规模的癌症查.
- 早期识别dSCAN可以及时修改心血管风险因素.
