基于人工智能的心电图模型对大动脉狭窄的验证和纵向轨迹分析:从社区查到TAVR前风险分层
Matthew W Segar1, Kaleb D Lambeth1, Alexander Postalian1
1Department of Cardiology, Texas Heart Institute, 6770 Bertner Ave, Houston, TX 77030, USA.
European heart journal. Digital health
|February 20, 2026
概括
人工智能增强的心电图模式可以在干预前几年预测大动脉狭窄 (AS) 的进展和死亡风险. 这种人工智能 (AI) 模型显示了社区查的潜力,识别了未来AS住院和心力衰竭风险较高的个体.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 早期发现大动脉狭窄 (AS) 是至关重要的,因为延迟诊断可能导致不可逆转的左心室功能障碍.
- 目前的方法往往发现患者迟到,需要及时干预.
- 使用人工智能增强的心电图的AK-AVS模型旨在更早地预测AS的进展和结果.
研究的目的:
- 评估AI增强的纵向心电图模式在预测大动脉狭窄干预前几年的结果的能力.
- 评估AK-AVS模型的社区查潜力.
- 分析不同的AK-AVS轨迹及其与死亡率的关联.
主要方法:
- 进行了两项分析:ARIC参与者中AK-AVS模型的社区验证和TAVR接受者的ECG的纵向轨迹分析.
- 无监督集群确定了AK-AVS轨迹;使用考克斯回归和净重新分类改进来评估死亡率关联.
- 评估了AK-AVS模型的性能,以检测中度/重度AS及其与未来AS住院和心力衰竭风险的关联.
主要成果:
- 在社区查中 (n=16个中度/重度AS),AK-AVS达到0.79的AUROC,敏感度和特异性为75%.
- 查中的错误阳性预测确定了具有未来AS住院和心力衰竭风险显著增加的个体.
- 纵向分析揭示了三种不同的AK-AVS轨迹 (稳定低,加速进展,持续高),高的模式独立预测死亡率并改善风险重新分类超出传统得分.
结论:
- 纵向AI-ECG轨迹模式可以检测AS疾病的进展,直到跨导管大动脉置换 (TAVR) 之前的4.5年.
- 这些模式增强了死亡率预测,超出了传统的风险得分.
- 社区验证表明查的潜在实用性",假阳性"表明未来的风险.
更多相关视频
06:51Author Spotlight: Development of a Minimally Invasive Large-Animal Model for Reliable and Reproducible Cardiovascular Research
Published on: October 20, 2023
1.7K
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
8.2K
