基于人工智能的心电图模型作为心脏手术后术后心房动的预测器:回顾性队列研究
Changho Han1, Sarah Soh2,3, Je-Wook Park4
1Department of Biomedical Systems Informatics, Yonsei University College of Medicine, 331 Dongbaekjukjeon-daero, Giheung-gu, Yongin, 16995, Republic of Korea, 82 3151898450.
Journal of medical Internet research
|November 10, 2025
概括
分析心电图 (ECG) 的人工智能模型可以预测心脏手术后的术后心房动 (AF). 这种AI-ECG-AF模型改善了风险分层,并使积极的患者管理成为可能.
科学领域:
- 心脏病学和心脏外科手术
- 人工智能在医学中的应用
- 医学诊断和风险分层的医学诊断.
背景情况:
- 手术后心房动 (AF) 是心脏手术后的常见并发症,导致严重的临床和经济负担.
- 目前手术后AF的预防策略是不理想的,需要改进主动管理的方法.
- 应用于心电图 (ECG) 的人工智能 (AI) 在检测暗射风险的微妙模式方面表现有前途.
研究的目的:
- 评估AI-ECG-AF模型作为心脏手术后术后AF的独立预测器.
- 将AI-ECG-AF模型的预测性能与现有的术后AF预测工具进行比较.
- 评估AI-ECG-AF模型在提高术后AF风险预测方面的附加值.
主要方法:
- 一项回顾性队列研究,涉及2266名心脏手术患者和5402名标准12导电心电图.
- AI-ECG-AF模型在使用1D EfficientNet-B0架构的大量非AF心电图数据集上进行了训练.
- 使用多变量逻辑回归来评估AI-ECG-AF模型得分与术后AF之间的关联,并根据临床变量进行调整.
主要成果:
- 在AI-ECG-AF模型得分的10%增加与1.197至1.209倍增加患上术后AF的几率相关.
- AI-ECG-AF模型显著改善了接受器操作特征曲线 (AUROC) 下的区域,用于术后AF预测.
- 将AI-ECG-AF模型得分与现有工具集成,使AUROC从0.643增加到0.680,并将其他风险因素增加到0.710.
结论:
- AI-ECG-AF模型是一种新的,强大的,独立的风险因子,用于预测心脏手术患者的术后AF.
- 该模型在与当前的预测工具和临床风险因素相结合时,提供了附加或协同的预测价值.
- AI-ECG-AF模型可以作为术前风险分层的非侵入性生物标志物,潜在地指导有针对性的预防和监测.
