电心电图驱动人工智能模型:一种新的方法来预测心力衰竭的一年死亡率,减少喷射分数的患者
Hak Seung Lee1, Ga In Han1, Kyung-Hee Kim2
1Artificial Intelligence and Big Data Research Center, Sejong Medical Research Institute, Bucheon, South Korea; Medical AI Co., Ltd. Seoul, South Korea.
International journal of medical informatics
|February 22, 2025
概括
一个新的人工智能 (AI) 模型使用心电图数据来预测心力衰竭患者的一年死亡率. 这种人工智能工具为个性化患者管理提供了更高的准确性.
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:
- 现有的心力衰竭 (HF) 死亡率预测模型的实际实用性有限.
- 开发准确的预测工具对于管理心力衰竭患者的心力衰竭与减少喷射率 (HFrEF) 至关重要.
研究的目的:
- 开发和验证深度学习人工智能 (AI) 模型,用于预测HFrEF患者的一年死亡率.
- 评估在广泛的心电图数据上训练的AI算法的有效性,用于HFrEF死亡率预测.
主要方法:
- 使用了3894名HFrEF患者高质量基线心电图的数据集.
- 开发了一个深度学习模型,使用两次医院访问 (2016年9月 - 2021年5月) 的心电图数据.
- 使用接收器操作特征曲线 (AUROC) 下面的面积来评估模型性能.
主要成果:
- 在对16228个独立的ECG进行验证时,AI模型实现了0.826的AUROC.
- 显示高灵敏度 (99.0%) 和负预测值 (98.4%).
- 深度学习算法是HFrEF患者1年死亡率的独立预测因素 (aHR 4.12).
结论:
- 使用心电图数据的深度学习人工智能模型显著提高了HFrEF患者一年死亡率的预测.
- 这种以人工智能为驱动的方法承诺为HF患者管理提供更个性化和面向未来的策略.
