人工智能模型在使用心电图数据检测心力衰竭的有效性:系统性审查和元分析

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:

• 心力衰竭 (HF) 是全球主要的死亡原因,与低射出率,高死亡率和降低生活质量有关.
• 电心电图 (ECG) 分析对于HF诊断至关重要,人工智能 (AI) 提供了提高准确性的潜力.
• 目前对HF的诊断方法需要改进,以改善患者的治疗结果并减少医疗负担.

研究的目的:

• 利用心电图数据系统地审查和元分析人工智能模型在检测心力衰竭 (HF) 中的诊断性能.
• 综合关于人工智能算法用于高频识别的准确性,灵敏性和特异性的证据.
• 评估AI在改善高频早期检测和管理方面的潜力.

主要方法:

• 在PubMed和谷歌学者数据库中进行系统的文献搜索,截至2023年7月1日.
• 包括评估AI预测HF诊断能力的原始文章.
• 从13项研究中对218,202名参与者的数据进行元分析,以确定聚合的诊断指标.

主要成果:

• 在HF检测中对AI的聚合灵敏度为0.93 (97.5%CI:0.81-0.98) 和聚合特异性为0.95 (97.5%CI:0.89-0.97).
• 诊断几率比 (DOR) 为303.65 (97.5% CI: 53.12-1734),表明强大的歧视力.
• 个人研究表现的显著变化表明需要进一步验证和标准化AI模型.

结论:

• 使用心电图数据的基于AI的算法是用于查,检测和监测心力衰竭的可靠和准确工具.
• 人工智能在提高高频率诊断精度和潜在改善患者治疗结果方面显示出显著的前景.
• 进一步的前性,大规模和多样化的人口研究对于确认AI诊断工具对高频的临床影响和通用性至关重要.