在急性胸痛中AI-ECG支持冠状动脉血管学决策:QCG-AID研究

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 人工智能在医学中的应用

背景情况:

• 急性胸痛是一种常见的急诊室呈现.
• 对于疑似急性冠状动脉综合征 (ACS) 的患者来说,紧急冠状动脉血管学 (CAG) 的及时决策至关重要.
• 目前的诊断方法依赖于临床数据和心电图 (ECG).

研究的目的:

• 评估一个人工智能辅助的心电图分析系统 (QCG),以改善紧急CAG决策在急诊室.
• 评估人工智能协助对ACS诊断准确性的影响.
• 为了比较临床医生的决策与没有AI支持.

主要方法:

• 追溯分析300个急诊病例的胸部疼痛.
• 病例被分为非冠状动脉胸痛,没有闭塞冠状动脉疾病的ACS和有闭塞冠状动脉疾病的ACS.
• 六名临床医生使用传统方法和人工智能辅助方法 (QCG分数) 进行CAG决策.

主要成果:

• 人工智能辅助方法显著改善了ACS患者 (有或没有闭塞性CAD) 的正确CAG决策.
• 在AI的帮助下,ACS的诊断准确性从77%提高到81%.
• 仅QCG系统就实现了ACS.的82%的诊断准确性.

结论:

• 人工智能辅助的心电图分析显示,有可能增强紧急CAG决策,以应急诊所胸部疼痛.
• QCG系统可以提高急性冠状动脉综合征的诊断准确度.
• 人工智能工具可以帮助临床医生有效地管理急性胸痛.