深度神经网络衍生的心电图年龄与发生性中风之间存在关联
Robert Leung1, Biqi Wang1,2, Matthew Gottbrecht3
1Program in Digital Medicine, Department of Medicine, UMass Chan Medical School, Worcester, MA, United States.
Frontiers in cardiovascular medicine
|July 15, 2024
概括
深度神经网络从ECG中估计心电图年龄 (ECG年龄). 增加的心电图年龄与较高的中风风险有关,这表明它有可能成为一种新的中风预测因素.
科学领域:
- 心脏病学 心脏病学
- 神经学 神经学
- 人工智能在医学中的应用
背景情况:
- 卒中仍然是全球死亡和残疾的主要原因之一.
- 目前的中风风险计算器存在偏差和不准确性.
- 需要新的中风预测器来改善患者的治疗结果.
研究的目的:
- 研究使用深度神经网络 (DNN) 估计的心电图年龄 (ECG年龄) 与发生中风风险之间的关联.
- 探索心电图年龄作为潜在的新生物标志物用于中风风险预测.
主要方法:
- 利用英国生物库数据,包括来自67,757名参与者的ECG.
- 估计ECG年龄使用DNN应用于原始ECG波形.
- 计算了Δage (ECG年龄减去时间年龄),并使用多变量考克斯回归模型评估了它与发生和流行中风的关联.
主要成果:
- 一个10年增加的dage与事件中风风险增加22%有关.
- 加速衰老 (较高的 Δage) 与正常衰老相比,发生中风风险增加了 42%.
- 增加的 Δage 也与流行的中风有显著的关联.
结论:
- 深度神经网络估计的心电图年龄与英国生物库的一大群中发生和流行性中风有关.
- 电脑心电图年龄显示出作为一种新的生物标志物的潜力,用于识别患中风风险较高的个体.
- 需要进一步的研究来验证ECG-age在中风风险评估中的临床用途.
