基于心电图的深度学习来预测Fallote修复四分法中的死亡率
Joshua Mayourian1, Juul P A van Boxtel2, Lynn A Sleeper1
1Department of Cardiology, Boston Children's Hospital, Boston, Massachusetts, USA; Department of Pediatrics, Harvard Medical School, Boston, Massachusetts, USA.
JACC. Clinical electrophysiology
|September 19, 2024
概括
通过人工智能增强的心电图 (AI-ECG) 模型,可以预测Fallot (rTOF) 患者修复四位数的5年死亡率. 这种AI-ECG工具有望与成像生物标志物一起改善风险分层.
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:
- 人工智能增强心电图 (AI-ECG) 分析显示,有可能预测患有心血管疾病的成年人死亡率.
- 它在Fallot (rTOF) 群体的修复四分法中的实用性目前尚未被探索.
研究的目的:
- 开发和外部验证AI-ECG模型,用于预测rTOF患者的5年死亡率.
- 评估AI-ECG模型的性能与已建立的临床和成像生物标志物相比.
主要方法:
- 在波士顿儿童医院的心电图上训练了一个卷积神经网络.
- 该模型经过内部测试 (波士顿) 和外部验证 (多伦多INDICATOR队列).
- 使用接收机操作 (AUROC) 和精度回忆 (AUPRC) 曲线下的面积来测量性能.
主要成果:
- 该模型在内部测试 (AUROC 0.83,AUPRC 0.18) 和外部验证 (AUROC 0.81,AUPRC 0.21) 中都表现出强大的性能.
- AI-ECG预测与双心脏全局功能指数相当,并且优于QRS持续时间.
- 在多变量分析中,AI-ECG预测独立预测死亡率.
结论:
- 一个外部验证的AI-ECG模型显示出预测rTOF患者5年死亡率的前景.
- 当与成像生物标志物一起使用时,这种AI-ECG工具可能会增强风险分层.
更多相关视频
08:19Transthoracic Echocardiography to Assess Post-Resuscitation Left Ventricular Dysfunction After Acute Myocardial Infarction and Cardiac Arrest in Pigs
Published on: July 12, 2022
2.8K
10:17Real-Time Cardiac Mapping with a Noninvasive Imageless Electrocardiographic Imaging System
Published on: April 11, 2025
430
