导读 2021 年 11 月 24 日，星期三(健康日新闻)——一项研究表明，基于人工智能 (AI) 的 12 导联心电图 (ECG) 分析对房颤 (AF) 的
2021 年 11 月 24 日，星期三(健康日新闻)——一项研究表明，基于人工智能 (AI) 的 12 导联心电图 (ECG) 分析对房颤 (AF) 的预测能力与临床风险评分相似11 月 8 日在线发表在Circulation 上。
来自波士顿马萨诸塞州总医院 (MGH) 的医学博士 Shaan Khurshid 及其同事训练了一个卷积神经网络 (ECG-AI)，以在 MGH 接受治疗的患者中使用 12 导联心电图来推断五年事件 AF 风险。拟合并包括三个风险模型： ECG-AI 五年 AF 概率;基因组流行病学 AF (CHARGE-AF) 临床风险评分中的心脏和衰老队列;以及 ECG-AI 和 CHARGE-AF (CH-AI) 的术语。在内部测试集和两个外部测试集(布莱根妇女医院 [BWH] 和英国生物银行)中评估模型性能。训练集和测试集分别包括 45,770 和 83,162 个人。
研究人员发现，使用 CHARGE-AF(MGH、BWH 和 UK Biobank 分别为 0.802、0.752 和 0.732)和 ECG-AI(0.823、0.747 和 0.705分别用于 MGH、BWH 和 UK Biobank)。CH-AI 的 AUROC 最高(MGH、BWH 和 UK Biobank 分别为 0.838、0.777 和 0.746)。ECG-AI 和 CH-AI 的校准误差较低。在显着性分析中，ECG P 波对 AI 模型预测的影响最大。
Khurshid 在一份声明中说：“此类算法的应用可能会促使临床医生修改心房颤动的重要风险因素，这可能会降低患这种疾病的风险。”