在国际队列中用人工智能心电图学检测多变性心肌病:外部验证研究
Konstantinos C Siontis1, Mikolaj A Wieczorek2, Maren Maanja1,3
1Department of Cardiovascular Medicine, Mayo Clinic, 200 First Street SW, Rochester, MN 55905, USA.
European heart journal. Digital health
|July 31, 2024
概括
一个人工智能 (AI) 模型使用心电图 (ECG) 准确地检测出多变性心肌病变 (HCM) 在多个不同的国际患者群体中. 这种AI-ECG算法显示出强大的外部有效性,仅从ECG数据中识别HCM.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 深度学习人工智能模型越来越多地用于心血管疾病检测.
- 电心电图 (ECG) 是评估心脏健康的常见工具.
- 增高性心肌病变 (HCM) 是一种重要的心血管疾病,需要精确检测.
研究的目的:
- 通过外部验证AI-ECG算法来检测多变性心肌病 (HCM).
- 评估算法在多样化的国际患者队伍中的性能.
- 使用心电图数据评估算法在区分HCM与非HCM方面的准确性.
主要方法:
- 之前开发的基于卷积神经网络的AI-ECG算法应用于12导电图数据.
- 该算法在来自瑞士,英国和韩国的外部验证队伍上进行了测试.
- 分析了包括AUC,精度,灵敏度和特异性在内的性能指标.
主要成果:
- 该研究包括773名HCM患者和3867名对照患者在三个国际地点.
- AI-ECG算法在HCM检测方面实现了0.922的整体AUC.
- 观察到高诊断准确度 (86.9%),灵敏度 (82.8%) 和特异性 (87.7%).
结论:
- 人工智能-心电图算法在各种国际队列中检测HCM方面表现出高准确性,证实了其外部有效性.
- 这些发现支持这种AI工具在HCM查和临床实践中的潜在实用性.
- 建议进一步进行前性评估,以确定其临床影响.
