专家级自动诊断儿科心电图使用深度神经网络
Joshua Mayourian1, William G La Cava2, Sarah D de Ferranti1
1Department of Cardiology, Boston Children's Hospital, Department of Pediatrics, Harvard Medical School, Boston, Massachusetts, USA.
JACC. Clinical electrophysiology
|March 18, 2025
概括
一种人工智能增强型心电图 (AI-ECG) 模型准确诊断儿科心电图,性能优于商业软件,并有可能改善全球专家心脏护理的获取.
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:
- 儿童心脏病学家的访问和心电图解释的全球差异仍然存在.
- 人工智能增强型心电图 (AI-ECG) 在成年人心电图诊断方面表现有前途,但在儿科方面尚未探索.
研究的目的:
- 评估AI-ECG模型的准确性,用于自动诊断儿科心电图.
- 评估模型在检测各种心电图异常方面的表现.
主要方法:
- 来自波士顿儿童医院的201,620名儿科心电图的回顾性队列研究 (2000-2022年).
- 一个卷积神经网络在ECG上进行了训练和测试,用于诊断预测.
- 使用AUROC和AUPRC曲线评估的性能用于检测任何异常,WPW和延长的QTc.
主要成果:
- AI-ECG模型在检测任何异常 (AUROC 0.94),WPW (AUROC 0.99) 和延长的QTc (AUROC 0.96) 方面表现出高准确度.
- 在所有评估的条件中,AI-ECG的表现优于商业软件的解释.
- 专家读者更喜欢AI-ECG分类,而不是心脏病学家在不一致的情况下阅读的原始内容.
结论:
- 开发的AI-ECG模型实现了对儿科12心电图的专家级自动诊断.
- 这项技术有可能在全球范围内显著提高儿童专业心脏护理的准入.
