基于人工智能的精确心肌梗塞映射,使用12导电心电图

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:

• 在心肌梗塞 (MI) 后评估心肌纤维化 (MF) 对患者的预后至关重要.
• 人工智能辅助心电图 (AI-ECG) 显示出检测MF的前景.
• 训练AI-ECG模型需要大量的数据;生物模拟提供了一个潜在的解决方案.

研究的目的:

• 开发和验证一种新的人工智能辅助方法,AI-MI-12ECG,用于使用12导心电图评估MF.
• 使用生物模拟模型来训练AI-MI-12ECG系统.
• 评估AI-MI-12ECG在检测MI后患者中MF存在,位置和大小方面的准确性.

主要方法:

• 一个生物模拟模型被用来训练AI-MI-12ECG系统.
• 182名心脏病发作后患者被纳入前性研究.
• 人工智能MI-12ECG的发现与晚期加多增强 (LGE) 心脏磁共振 (CMR) 成像进行了比较.

主要成果:

• 在确定MI位置方面,AI-MI-12ECG与CMR-LGE显示出强烈的相关性 (R=0.955).
• 该方法在检测冠状动脉区域的纤维化方面取得了很高的准确性:LAD (0.95),RCA (0.97) 和LCX (0.91).
• 接收器运行特征曲线显示了AI-MI-12ECG的出色性能:0.95 (LAD),0.95 (RCA) 和0.89 (LCX).

结论:

• 通过生物仿真训练的AI-MI-12ECG方法与心脏病后患者的CMR-LGE非常一致.
• 这种AI-ECG方法显示了精确检测心肌纤维化的巨大潜力.
• AI-MI-12ECG可以有效地识别患有大量心脏病发作负担的患者,有助于预后.