致命冠状动脉心脏病的时间依赖ECG-AI预测:一项回顾性研究
Liam Butler1, Alexander Ivanov1, Turgay Celik1
1Cardiovascular Section, Department of Internal Medicine, Wake Forest University School of Medicine, Winston-Salem, NC 27101, USA.
Journal of cardiovascular development and disease
|December 27, 2024
概括
使用心电图人工智能 (ECG-AI) 模型,可以预测致命冠心病 (FCHD) 风险. 即使是单一的ECG与人口统计数据相结合,也能准确预测2年的FCHD风险.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 致命冠状动脉心脏病 (FCHD) 是美国死亡的一个重要原因.
- 电心电图人工智能 (ECG-AI) 显示出预测不良冠状动脉事件的前景.
- 专门用于FCHD风险预测的ECG-AI的应用仍未得到充分研究.
研究的目的:
- 开发和验证用于预测致命冠心病风险的ECG-AI模型.
- 评估12导和单导ECG在FCHD风险预测中的有效性.
- 评估人口和临床数据与ECG-AI输出相结合时的附加值.
主要方法:
- 对10秒12心电图和两大队列 (UTHSC和AHWFB) 的临床数据进行了回顾性分析.
- 使用12-和I心电图的卷积神经网络 (CNN) 模型的开发.
- 整合ECG-AI输出与人口/临床数据,使用时间依赖的Cox比例危险模型进行风险预测.
主要成果:
- 开发的ECG-AI模型显示出强大的预测性能,验证AUC为0.84 (12-lead) 和0.85 (Lead I).
- 最佳模型,将简单的人口统计数据与Lead I ECG-AI输出 (D1-ECG-AI-Cox) 结合起来,在外部验证队列中实现了0.87的AUC.
- 该模型准确地预测了2年的FCHD风险,AUC为0.91,并显示出高灵敏度 (69%) 和特异性 (89%).
结论:
- 使用单线心电图数据可以实现对2年FCHD风险的高精度预测.
- 将ECG-AI预测,特别是来自Lead I的预测与人口信息相结合,可以显著提高FCHD风险预测的准确性.
- 这些发现支持了可访问的ECG技术的潜力,用于主动的FCHD风险评估.
