相关实验视频
Updated: Jun 29, 2026

09:45
Measuring Cardiac Autonomic Nervous System ANS Activity in Children
Published on: April 29, 2013
21.5K
用人工智能启用心电图的多中心验证,用于儿科生物性别预测
Donnchadh O'Sullivan1, Joshua Mayourian2, Scott Anjewierden3
1Department of Pediatrics, Division of Pediatric Cardiology, Texas Children's Hospital and Baylor College of Medicine, Houston, TX, USA. donnchadhosull@gmail.com.
NPJ digital medicine
|February 26, 2026
概括
人工智能可以从儿童的心电图 (ECG) 预测生物性别. 这种人工智能模型在儿科发育过程中显示了更高的准确性,突出了与性别有关的心脏电气模式.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 儿科健康 儿科健康
背景情况:
- 生物性别影响心电图 (ECG) 图案,影响健康和疾病.
- 现有的AI模型显示了通过心电图进行性预测的潜力.
研究的目的:
- 为了外部验证一个人工智能支持的心电图模型用于儿童群体的生物性别预测.
- 评估模型在不同青春期阶段的表现.
主要方法:
- 之前开发的AI ECG模型的多中心外部验证.
- 德克萨斯州儿童医院和波士顿儿童医院的儿科患者的心电图数据的分析.
- Saliency 映射用于识别与性别相关的电生理学模式.
主要成果:
- 人工智能心电图模型成功预测了儿童发育过程中的生物性别.
- 模型的准确性显示出与青春期相对应的显著梯度 (青春期前的AUROC为0.64,青春期前的AUROC为0.84,青春期后的AUROC为0.94).
- 在多个机构中复制发现证实了模型的稳定性.
结论:
- 人工智能支持的心电图分析是儿童非侵入性生物性别预测的可行工具.
- 模型与青春期的性能变化强调了发育过程中的电生理学差异.
- 已建立的与性别相关的心电图模式可以通过AI识别,提供对性别特异性心脏生理学的见解.
更多相关视频
08:12Calculating Heart Rate Variability from ECG Data from Youth with Cerebral Palsy During Active Video Game Sessions
Published on: June 5, 2019
20.6K
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
1.5K