深度神经网络算法使用心电图检测阻塞性睡眠呼吸暂停
Naima Covassin1, Kan Liu1, Jan Bukartyk1
1Department of Cardiovascular Medicine, Mayo Clinic, Rochester, Minnesota, USA.
JACC. Advances
|September 17, 2025
概括
一个新的人工智能 (AI) -ECG算法有效地使用常规心电图来选阻塞性睡眠呼吸暂停 (OSA). 这种AI-ECG工具对广泛的,低成本的OSA查,特别是对女性的查充满了希望.
科学领域:
- 心脏病学 心脏病学
- 睡眠医学 睡眠医学
- 人工智能的人工智能
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 非常普遍,但往往被诊断不足.
- 有效的查工具对于早期发现和管理OSA至关重要.
研究的目的:
- 开发和评估一种基于机器学习的算法,用于从12导电心电图 (ECG) 中识别OSA.
- 在大量临床人群中评估AI-ECG模型的诊断性能.
主要方法:
- 训练了一种深度卷积神经网络模型,从11,299名患者的12导电图数据中检测OSA.
- 模型的预测性能使用接收器运行特征曲线 (AUC) 下的面积来评估.
- 评估了整体人口的表现,并按性别分层.
主要成果:
- 在AI-ECG模型中,在测试样本中检测OSA的AUC达到0.80.
- 该模型在女性 (AUC:0.82) 与男性 (AUC:0.73) 相比,显示出更高的歧视性表现.
- 算法的预测能力在各种条件和心电图异常中保持稳健.
结论:
- 开发的AI-ECG模型显示了作为OSA的非侵入性查工具的巨大潜力.
- 这项技术可以促进广泛的,低成本的OSA查,改善早期诊断和治疗启动.
- 该模型在女性中的增强性能需要进一步调查,并突出其潜在的临床实用性.


