人工智能增强的心电学衍生体质指数作为未来心脏代谢疾病的预测指标

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 代谢健康 代谢健康

背景情况:

• 电心电图 (ECG) 可以检测与肥胖有关的心脏变化.
• 人工智能增强型心电图 (AI-ECG) 显示出识别亚临床疾病的潜力.

研究的目的:

• 训练一个AI-ECG模型,仅使用心电图数据来预测身体质量指数 (BMI).
• 评估AI-ECG预测的BMI和delta-BMI作为心脏代谢健康和风险分层的生物标志物的实用性.

主要方法:

• 开发并验证了一种AI-ECG模型,使用大型数据集 (BIDMC和英国生物银行) 来预测BMI.
• 计算了delta-BMI (测量BMI - AI-ECG预测BMI),并评估了与心脏代谢疾病和糖尿病风险的相关性.
• 进行了表型,代谢,蛋白质和全基因组关联研究,以探索delta-BMI的生物学基础.

主要成果:

• 人工智能-心电图模型在两个队列中实现了BMI预测的显著相关性 (r=0.65/0.62) 和R平方 (0.43/0.39).
• 较高的delta-BMI与未来心脏代谢疾病和糖尿病风险的增加有关,独立于测量的BMI.
• 德尔塔-BMI与心脏代谢疾病,肥胖指标,特定代谢物和心血管/代谢特征的遗传调节剂有关.

结论:

• AI-ECG可以准确地从心电图中预测BMI.
• 德尔塔-BMI成为一种新的,非侵入性生物标志物,用于增强心脏代谢风险分层.
• 这种AI-ECG方法为早期发现和管理心脏代谢疾病提供了一个有希望的工具.