人工智能心电图预测生物年龄差距和死亡率:通过多次心电图捕捉动态风险

科学领域:

• 心脏病学 心脏病学
• 老年学是一门学科.
• 人工智能的人工智能

背景情况:

• 人工智能 (AI) 可以从心电图 (ECG) 预测生物年龄,为死亡率提供预后价值.
• 串行心电图测量是可访问和廉价的,有可能改善个体风险分层.

研究的目的:

• 为了确定是否重复的AI衍生生物年龄测量显示出与时间衰老的分歧.
• 评估序列生物年龄是否改善所有原因死亡风险估计.

主要方法:

• 对46,960名心脏病患者进行了回顾性队列研究,其中至少有两个心电图.
• 人工智能从每个心电图中估计了生物年龄;计算了生物年龄差距 (生物年龄与时间年龄).
• 生存分析使用了考克斯的比例危险模型,比较单个和多个心电图模型,用日志概率比率测试和C指数.

主要成果:

• 平均生物衰老速度为0.7±4.1年/年.
• 越来越大的生物年龄差距与较高的死亡风险相关;负差距显示有保护作用.
• 多重心电图模型比单个心电图模型具有更高的预测准确性 (C指数为0.763比0.747),准确性增加到10个心电图.

结论:

• 生物衰老往往与患者的慢性衰老有所不同.
• 虽然单个心电图的AI衍生的生物年龄可以预测死亡率,但连续测量可以显著提高预测准确度.
• 使用心电图的连续生物年龄估计可以完善风险评估并指导个性化医疗保健.