开发和多中心验证人工智能心电图模型用于心室重塑在Fallot的修复四重法中
Son Q Duong1,2,3, Akhil Vaid2,4, Pengfei Jiang5,6
1Department of Pediatrics (Cardiology), Icahn School of Medicine at Mount Sinai, 1468 Madison Ave, Annenberg 3rd Fl, New York, NY 10029, USA.
European heart journal. Digital health
|February 16, 2026
概括
人工智能 (AI) 电心电图 (ECG) 生物标志物可以识别Fallot (TOF) 患者修复四重症的不良心室重塑,可能减少心脏MRI (CMR) 的需要. 这种AI-ECG工具有望指导先进的成像决策在先天性心脏病的护理.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 定期的心脏MRI (CMR) 对于监测修复的Fallot四分法 (TOF) 中心室重塑至关重要.
- 获得CMR的机会有限,患者的遵从性往往很差,阻碍了定期监测.
- 需要使用非侵入性生物标志物来识别需要先进成像的患者.
研究的目的:
- 开发和验证一个人工智能 (AI) 生物标志物,使用12导电心电图 (ECG) 数据.
- 通过CMR量化,在经过修复的TOF患者中识别不良的双心室重塑,CMR.
- 评估AI-ECG生物标志物作为查工具的性能,以减少不必要的CMR扫描.
主要方法:
- 六个北美队伍的回顾性分析与ECG和CMR数据 (1564名患者) 配对.
- 开发一种AI生物标志物,以检测≥2个TOF特异性CMR异常的复合结果.
- 模型歧视 (AUROC) 的评估,校准和查的净收益.
主要成果:
- 在外部验证中,AI-ECG生物标志物获得了0.85的AUROC.
- 在0.25的查门时,灵敏度为92%和负预测值为87%,识别了13%的CMR扫描.
- 在不同地点观察到性能差异,强调了校准的必要性.
结论:
- 对心电图的AI分析可以有效地识别修复的TOF中的心室重塑,告知需要先进的成像.
- 外部验证显示了性能差异,强调了AI-ECG在先天性心脏病中的临床实施和监管批准方面的考虑.
