一个机器学习模型,使用心声图的心肌菌株来检测心肌缺血
Bo Zheng1,2, Yaokun Liu1, Jingyi Zhang3
1Department of Cardiology, Peking University First Hospital, Beijing, China.
Internal and emergency medicine
|May 21, 2025
概括
人工智能 (AI) 和机器学习现在可以使用心声谱菌株检测心肌缺血,提供一种非侵入性的替代方案. 这种人工智能模型实现了85.9%的准确性,显示出临床使用的前景.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 冠状动脉功能评估对于重新血管化的决定至关重要.
- 传统的缺血检测方法有其局限性.
- 心脏回声谱肌肉菌株提供了一种非侵入性的方法,但面临着操作者间的变化.
研究的目的:
- 开发一种非侵入性,人工智能驱动的解决方案,用于自动检测心肌缺血症.
- 为了减少基于菌株的缺血评估的变异性.
- 为临床实践创建一个强大的诊断工具.
主要方法:
- 一个人工智能模型被训练使用回声心脏图谱心肌菌株数据和六个临床特征.
- 左心室内心内追踪提取了菌株数据.
- 冠状动脉血管学衍生的分数流量储备 (caFFR) ≤0.80定义的心肌缺血.
- 组合学习算法用于模型训练和优化.
主要成果:
- 该研究包括636名疑似冠状动脉疾病的受试者,44.3%患有心肌缺血症.
- 人工智能模型实现了85.9%的诊断准确度,88.9%的灵敏度和83.1%的特异性.
- 该模型在接收器操作特征曲线 (AUC) 下的面积为0.915.
结论:
- 基于回声心动图心肌菌株的AI原型模型显示了检测心肌缺血的有希望的结果.
- 这种非侵入性方法有可能改善临床决策.
- 需要对更大的患者群体进行进一步的验证.
