Eur Heart J：基于心电图的深度学习预测儿童和成人先天性心脏病的死亡率
2024-10-11 MedSci原创 MedSci原创 发表于上海
这个初步经过验证的模型有望在整个生命周期内对CHD患者进行低成本的风险分层，这可能会为成像/干预的时机提供信息，并促进改善获得护理的机会。
随着近年来医学和外科手术的进步，大多数先天性心脏病(CHDs)患儿现在都能活到成年。仅在美国，估计就有大约240万人患有CHD，其中包括大约100万儿童和140万成人需要终身随访，包括频繁的门诊就诊和心脏检查，在整个生命周期中相关费用明显较高。这些人群具有广泛的结构异常和明显的长期不良结局，促使人们努力对CHD患者的整个生命周期进行风险分层。目前缺乏对儿童和成人CHD患者进行稳健、便捷的风险分层。
近日，心血管领域权威杂志Eur Heart J上发表了一篇研究文章，该研究旨在通过一种人工智能增强的心电图(ECG)工具，在一个大型、多样化的CHD队列的整个生命周期中解决这一问题。
研究人员采用卷积神经网络训练(50%)和测试(50%)分析了在波士顿儿童医院心脏病学诊所获得的心电图，以评估5年死亡率。在当代队列中进行时间验证。使用受试者工作特性和精确召回曲线下的面积来评估模型的性能。
训练和试验队列由112804组心电图组成(39784例患者；心电图年龄范围为0~85岁；5年死亡率为4.9%)，心电图为112575张(39784例；接受心电图检查的受试者年龄为0~92岁；5年死亡率分别为4.6%。模型性能(受试者工作特征曲线下面积为0.79，95%置信区间为0.77-0.81;精确召回曲线下面积为0.17，95%可信区间为0.15-0.19)在心电图、QRS持续时间和左室射血分数上优于年龄，在时间验证中相似。在亚组分析中，人工智能增强心电图在大范围CHD病变中的表现优于左心室射血分数。Kaplan-Meier分析证明了对整个队列和病变亚组的长期死亡率的预测价值。在整个队列中，心前导联QRS波最为显著，具有宽幅和低幅QRS复合物的高风险特征。确定了病变特异性高风险特征，如法洛四联症的QRS片段。
由此可见，这个初步经过验证的模型有望在整个生命周期内对CHD患者进行低成本的风险分层，这可能会为成像/干预的时机提供信息，并促进改善获得护理的机会。
原始出处：
Joshua Mayourian,et al.Electrocardiogram-based deep learning to predict mortality in paediatric and adult congenital heart disease.European Heart Journal.2024.https://academic.oup.com/eurheartj/advance-article/doi/10.1093/eurheartj/ehae651/78
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#心电图# #先天性心脏病# #深度学习#
124