基于心电图的心力衰竭预测中的人工智能:系统性审查和元分析
Shunhong Zhang1,2, Jun Jiang1, Yi Luo1
1Department of Cardiology, Pangang Group General Hospital, Panzhihua, China.
应用于心电图 (ECG) 的人工智能 (AI) 显示了预测心力衰竭 (HF) 的中等到良好的潜力. 然而,由于偏见和缺乏临床验证,有效性是不确定的.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 心力衰竭 (HF) 是一个日益严重的全球健康问题,患病率越来越高.
- 早期识别和干预对于管理HF进展至关重要.
- 应用于心电图 (ECG) 的人工智能 (AI) 为早期高频预测提供了一种新的方法.
研究的目的:
- 系统地评估AI模型的性能,使用ECG来预测HF.
- 评估AI-ECG模型在不同人群中的通用性和有效性.
主要方法:
- 按照PRISMA指导方针进行系统的文献搜索 (PubMed,IEEE Xplore,Medline,Embase,2005-2025),并使用这些指导方针.
- 基于ECG的AI模型的元分析,专注于AUROC/C统计.
- 进行了异质性和子组分析 (种族);使用PROBAST+AI.评估偏差风险.
主要成果:
- 其中包括了5项研究,涉及1,728,134名参与者.
- 汇总的AUROC/C统计数据为0.76 (95% CI:0.74-0.78),表明中度至良好的歧视.
- 在各族群中观察到一致的表现 (AUROC 0.77-0.79),表现优于传统模型 (AUROC 0.742). 发现了显著的异质性 (I2=89%).
结论:
- 人工智能-心电图模型显示出对高频预测的理论前景.
- 由于偏见的高风险和有限的临床验证研究,其有效性目前尚不确定.
相关概念视频
06:37Artificial Intelligence-Based System for Detecting Attention Levels in Students
04:34Meta-Analysis of the Effectiveness and Safety of Shugan Jieyu Capsules for the Treatment of Insomnia
05:49Reliability of Artificial Intelligence-Based Cone Beam Computed Tomography Integration with Digital Dental Images
09:11Automation of the Micronucleus Assay Using Imaging Flow Cytometry and Artificial Intelligence
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
08:21Point-of-Care Ultrasound: A Review of Ultrasound Parameters for Predicting Difficult Airways


