在家用单导电心电图进行心力衰竭监测

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 由于心力衰竭 (HF) 而重复住院预测死亡率.
• 目前在家中检测HF进展是有限的,特别是在没有植入式设备的情况下.
• 需要可访问的,非侵入性的方法来在家中早期检测HF.

研究的目的:

• 开发基于人工智能的系统,用于早期发现心力衰竭 (HF) 的进展.
• 使用单导电心电图 (ECG),包括可穿戴设备,用于高频监测.
• 创建一个非侵入性,在家系统实时HF严重性评估.

主要方法:

• 在9518名参与者的心电图数据上训练了一个卷积神经网络 (CNN) 模型,用于HF状态诊断.
• 使用心脏病专家确定的纽约心脏协会 (NYHA) 分类.
• 开发了一种新的HF指数,该指数来自AI预测的NYHA等级,用于实时测量HF严重程度.

主要成果:

• 在CNN模型中,HF严重程度的分类准确率达到91.6% (NYHA I-II与III-IV).
• 创建了一个新的HF指数,以实时显示HF严重程度.
• HF指数与血B型尿素 (BNP) 水平正相关 (R=0.74),验证了它的有效性.

结论:

• 成功开发了一种使用便携式单导电心电图的家庭心力衰竭 (HF) 监测系统.
• 验证了系统对远程高频监控的有效性.
• 代表了远程医疗保健对HF管理的重大进步.