在先天性心脏病中治疗腹功能障碍的人工智能支持的心电图:一种新的风险分层工具
Donnchadh O'Sullivan1, Malini Madhavan2, Sahar Samimi3
1Department of Pediatric Cardiology, Texas Children's Hospital, Houston, Texas, USA; Department of Cardiovascular Medicine, Mayo Clinic, Rochester, Minnesota, USA; Baylor College of Medicine, Houston, Texas, USA.
一种人工智能启用心电图 (AI-ECG) 模型有效地评估成人先天性心脏病 (ACHD) 中的舒张功能障碍. 这种AI-ECG分级与心脏填充压力相关,并独立预测死亡率,提供了一种有价值的非侵入性风险分层工具.
科学领域:
- 心脏病学 心脏病学
- 人工智能在医学中的应用
- 医学诊断 医学诊断 医学诊断
背景情况:
- 在成人先天性心脏病 (ACHD) 中评估透气功能,由于患者复杂的解剖学和多样化的生理学,存在挑战.
- 心声图是标准的,但在ACHD患者中可能受到限制.
研究的目的:
- 评估一个人工智能支持的心电图 (AI-ECG) 模型,用于分级 ACHD 患者的腹功能障碍.
- 评估AI-ECG分级与心声学,侵入性血液动力学数据和临床结果的相关性.
主要方法:
- 梅奥诊所 ACHD 注册表 (2000-2023) 的6741名 ACHD 患者的回顾性分析.
- 一个经过验证的深度神经网络被用来从最早的心电图中分配AI-ECG透析等级 (0-3).
- 使用各种统计方法评估了与心声回声学,血液动力学和死亡率的关联.
主要成果:
- 较高的AI-ECG扩张度与年龄增加,心脏病复杂性,并发症和高N终端B型亲尿素水平相关.
- AI-ECG压力估计显示与心电图应力测量结果的相关性.
- 侵入性血液动力学,包括右心房和压,随着AI-ECG等级的提高而增加.
- 扩张力等级2和3独立预测死亡率 (HR 1.38-1.63).
- 人工智能-心电图模型显示,肺动脉压升高 (AUC 0.74) 的区别很好.
结论:
- AI-ECG 扩张性分级显示出与 ACHD 中心脏填充压力的既定测量有很强的相关性.
- 人工智能-心电图模型作为这个人群中死亡率的独立预测器.
- 人工智能-心电图分级是一种有希望的,可扩展的,非侵入性的工具,用于ACHD患者的风险分层.
更多相关视频
05:03Patient Directed Recording of a Bipolar Three-Lead Electrocardiogram using a Smartwatch with ECG Function
Published on: December 11, 2019
12:12Echocardiographic Approaches and Protocols for Comprehensive Phenotypic Characterization of Valvular Heart Disease in Mice
Published on: February 14, 2017
相关概念视频
Electrocardiogram
Three major waveforms are present in a typical ECG recording: the P wave, the QRS complex, and...
Dysrhythmias V: Evaluating Dysrhythmias
Cardiomyopathy II: Dilated Cardiomyopathy
Acute Coronary Syndrome III: Diagnostic Studies
Rheumatic Heart Disease II: Clinical Manifestations and Diagnostic Studies
Imaging Studies for Cardiovascular System I:Echocardiography
Indications: Echocardiography is utilized to diagnose heart failure, valve disorders, and myocardial infarction. It also assesses cardiac structures' size, shape, and motion,...
