心脏电生理学中的人工智能:用工程初步研究进行临床导向的审查

科学领域:

• 心脏电生理学心脏电生理学
• 人工智能的人工智能是人工智能.
• 机器学习 机器学习

背景情况:

• 人工智能 (AI) 越来越多地融入心脏电生理学 (EP),影响整个患者护理途径.
• 深度学习 (DL) 模型在节律分类和使用心电图 (ECG) 的预后估计方面表现出高准确性.
• 人工智能应用扩展到用于人口查的可穿戴设备和EP实验室用于心内电图 (EGM) 解释和切除指导.

研究的目的:

• 审查人工智能在心脏电生理学中的变革性影响.
• 检查各种AI建模范式和新兴技术.
• 确定阻碍临床翻译的挑战,并提出可采用的路线图.

主要方法:

• 对监督学习 (回归,SVM,神经网络,随机森林) 和无监督学习 (聚类,维度减少,关联规则) 的审查.
• 检查新兴的人工智能技术,包括数字双胞胎,物理信息神经网络,成像DL,图形神经网络和设备上的人工智能.
• 分析临床翻译方面的挑战,重点关注外部验证和工作流集成.

主要成果:

• 端到端的DL模型在节律分类 (≥95%的准确性) 和心房的检测 (≥96%的灵敏度/特异性) 中达到心脏病学家水平的性能.
• 人工智能增强了心律失常检测,预后估计,基于可穿戴设备的查,EP实验室程序和心脏植入式电子设备 (CIED) 的远程监控.
• 临床翻译存在重大障碍,外部验证率低于30%,工作流集成率低于20%.

结论:

• 人工智能,特别是DL,对于推进心脏电生理学,提供改进的诊断和个性化治疗,具有巨大的前景.
• 克服外部验证和无工作流集成的挑战对于实现AI的全部临床潜力至关重要.
• 合作的临床工程路线图对于将人工智能原型转化为可靠的床边工具,用于例行患者护理至关重要.