EchoAGE:基于心声谱的神经网络模型预测心脏生物年龄
Anastasia A Kobelyatskaya1,2, Zulfiya G Guvatova2, Olga N Tkacheva1
1Russian Clinical Research Center for Gerontology, Pirogov Russian National Research Medical University, Ministry of Healthcare of the Russian Federation, Moscow 129226, Russia.
Aging and disease
|September 3, 2024
概括
我们开发了EchoAGE,这是一个神经网络模型,使用心声图数据准确估计心脏的生物年龄. 这个工具提供了一个个性化的健康评估超越了时间表年龄.
科学领域:
- 心脏病学 心脏病学
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 生物年龄提供了一个个性化的健康指标,与时间年龄不同.
- 以前估计生物年龄的努力利用了各种生物医学数据.
- 评估心脏健康需要专门的量身定制方法.
研究的目的:
- 开发一种用于估计心脏生物年龄的新方法.
- 利用心声回声数据进行精确的生物年龄评估.
- 创建一个可用于各种患者群体的验证模型.
主要方法:
- 一个神经网络模型,EchoAGE,是使用来自5000多个病例的心声回声图数据开发的.
- 该模型被训练了一些指标,包括E/A比率,墙壁厚度,心脏输出和相对墙壁厚度.
- 使用人工智能解释算法来提高模型的解释性.
主要成果:
- EchoAGE准确地估计了心脏的生物年龄,平均绝对误差为3.5年.
- 该模型实现了R平方值~0.88和斯皮尔曼相关系数>0.9.9.
- 对不同的队列进行了验证,包括患有年龄相关疾病的患者和患有前列腺症的儿童.
结论:
- EchoAGE提供了可靠和准确的估计心脏生物年龄从心声回声图.
- 该模型展示了个性化心血管健康监测的潜力.
- 通过AI解释来理解模型预测有助于临床应用.


