人工智能增强的心电图分数用于非心脏手术中的术后风险评估

科学领域:

• 心脏病学 心脏病学
• 人工智能在医学中的应用
• 手术风险评估手术风险评估

背景情况:

• 电心电图 (ECG) 在历史上在非心脏手术的术前风险评估中具有有限的预后价值.
• 传统的风险评估工具在预测术后不良事件时往往缺乏足够的准确性.

研究的目的:

• 评估AI启用心电图的实用性,称为QCG-Critical得分,用于预测30天术后死亡率.
• 将QCG-Critical得分的预测性能与已有的外科手术期间风险评估工具进行比较.

主要方法:

• 一项对46,135名在2020年至2021年期间接受非心脏手术的成年患者的回顾性分析.
• 使用深度学习算法 (CNN) 分析了手术前心电图,以生成QCG-Critical得分.
• 通过比较QCG-Critical得分的预测准确度 (AUROC) 与ESC手术类别,RCRI和30天死亡率的ASA分类来评估性能.

主要成果:

• QCG-Critical得分显示了30天死亡率的强大预测性能 (AUROC:0.909),明显超过ESC (0.728) 和RCRI (0.725),与ASA (0.886) 相比.
• 具有QCG-Critical分数>40的患者的死亡率为11.7%,而整体死亡率为0.34%.
• 该得分在各种患者亚组中显示出一致的表现,并预测了其他不良结果,如7天死亡率 (AUROC:0.933).

结论:

• 手术前的QCG-Critical得分准确地预测了非心脏手术中的术后死亡率和其他不良结果.
• 这种人工智能驱动的ECG工具在预测准确度方面超过了传统的风险分层方法.
• QCG-Critical评分提供了一个潜在的解决方案,作为一种快速,可访问和可集成的工具,用于例行外科风险评估.