一个人工智能算法用于早期检测左心室缩功能障碍的患者与正常的鼻节律

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 以前用于检测左心室缩功能障碍 (LVSD) 的人工智能模型经常使用心声学附近的数据或包括已知的心脏病患者.
• 这种限制降低了AI用于选目的的特异性.

研究的目的:

• 评估人工智能模型使用最初被解释为正常的心电图 (ECG) 预测未来LVSD的能力.
• 评估一到两年前记录的心电图是否可以预测LVSD.

主要方法:

• 对来自11,131名患者的24,203张鼻节律心电图进行了回顾性分析.
• 训练和测试两个卷积神经网络模型 (DenseNet-121和ResNet-101),以预测LVSD (射出分数≤50%).
• 使用卡普兰-梅尔曲线和日志等级测试进行生存分析.

主要成果:

• 这两种人工智能模型都在预测LVSD方面表现出高准确度 (AUROCs 0.930和0.925).
• 由AI预测患有LVSD的患者显示,患有心声 LVSD的风险明显更高 (HR 9.89).
• 预测的LVSD与显著较低的24个月生存率有关.

结论:

• 人工智能支持的心电图模型可以从两年前获得的正常心电图中预测未来的LVSD.
• 这些发现突显了AI-ECG在早期检测亚临床LVSD方面的潜力.
• AI-ECG可能会改善无症状个体的风险分层.