超性心肌病的心声图诊断通过机器学习

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 增高性心肌病变 (HCM) 是一种重要的心血管疾病.
• 准确和早期发现HCM对于患者管理至关重要.
• 心声成像是对心脏评估的主要成像方法.

研究的目的:

• 开发和评估用于自动化HCM识别的机器学习 (ML) 模型.
• 用标准心声学指标评估ML模型的性能.
• 为了确定在基于ML的HCM检测中菌株测量的附加值.

主要方法:

• 使用大型病例对照队列 (5548名HCM患者,16,973名对照) 开发了四个随机森林ML模型.
• 模型使用人口统计数据和16个标准回声心脏学指标进行训练,包括菌株数据的变化.
• 十倍交叉验证用于模型培训和验证.

主要成果:

• 所有四种ML模型都在识别HCM病例方面表现出很高的性能.
• 与没有菌株数据 (AUC 0.92) 的模型相比,采用菌株数据 (全球,平均或个体) 的模型在曲线 (AUC) 下的面积 (AUC) 值 (0.96-0.98) 达到较高的水平.
• 使用17个个体菌株的模型4显示出最高的性能 (AUC0.98).

结论:

• 机器学习工具有效地从心声声学指标中识别HCM.
• 在ML模型中包含菌株数据显著提高了HCM检测的性能.
• 基于机器学习的回声心动图数据分析,特别是带有菌株参数的分析,为自动化HCM识别提供了一个有前途的方法.