心电图 AI 算法可识别左心室收缩功能障碍

　　研究人员通过AI 分析的心电图发现，因呼吸困难出现在急诊室(ED)的患者存在着左心室(LV)收缩功能障碍。

 

　　佛罗里达州杰克逊维尔梅奥诊所心血管内科首席研究员Demilade Adedinsewo医学博士告诉Healio：“与NT-proBNP相比，人工智能心电图可以更快、更准确地检测呼吸急促患者的左心室收缩功能。它可能会改善和加快急诊科的诊断，并提供一个独特的机会更早地识别高危心脏病患者，并将患者与适当的心血管护理联系起来。”

 

　　呼吸困难患者

 

　　在这项发表在《循环：心律失常和电生理学》上的回顾性研究中，研究人员分析了1606名患者的数据(中位年龄68岁;47%的女性)在2018年5月至2019年2月期间出现呼吸困难。这些患者在ED就诊后24小时和30天内至少进行了一次心电图检查。排除那些先前诊断为收缩期、舒张期或不明原因心衰的患者。

 

　　本研究的主要结果是在ED就诊后30天内发现新的 LV 收缩功能障碍(定义为左心室射血分数35%或更低)患者。次要结果定义为在就诊后 30 天内发现左心室射血分数(LVEF)低于 50% 的患者。两种结果均由深度学习网络评估的心电图决定，深度学习网络是一种 AI-ECG 算法，经过开发和验证，无需额外优化或培训即可识别 35% 或更低的 LVEF。

 

　　ED 就诊后进行心电图检查的中位时间为 1 天。

 

　　在急诊合并呼吸困难患者中，AI-ECG算法识别新的左心室收缩功能障碍的受试者工作特征曲线下面积为0.89 (95% CI, 0.86-0.91)。该算法的准确率为85.9% (95% CI, 84.1-87.6)，特异度为87%，敏感性为74%，阳性预测值为40%，阴性预测值为97%。

 

　　该算法还能够识别 LVEF 低于 50% 的患者，受试者工作特征曲线下面积为 0.85(95% CI，0.83-0.88)，准确率为 86%(95% CI，84.2-87.7)。这也实现了 91% 的特异性、63% 的灵敏度、62% 的阳性预测值和 92% 的阴性预测值。

 

　　研究人员还评估了一个由 866 名患者组成的小组，这些患者具有可用的N端B型利钠肽值。NT-proBNP 水平大于 800 pg/mL表明患者有新的 LV 收缩功能障碍，受试者工作特征曲线下面积为 0.8(95% CI，0.76-0.84)。

 

　　Adedinsewo 在接受采访时说道：“目前的研究是回顾性的，需要前瞻性研究来评估 AI-ECG 对长期临床结果的影响，我们的研究团队目前正在对此进行评估。”

 

　　Adedinsewo 补充说，这项技术目前正在她的整个医疗保健系统中使用。她告诉 Healio ：“这种 AI-ECG 工具目前可在所有 Mayo Clinic 站点使用，并且可以通过我们的电子病历系统访问，此外，该工具最近于5月份通过 FDA 获得紧急使用授权，用于筛查确诊或疑似新冠病毒患者的左心室功能障碍。”

 

　　推进患者护理的潜力

 

　　在一篇相关社论中，俄勒冈州波特兰市俄勒冈健康与科学大学奈特心血管研究所的KaziT.Haq博士及其同事写道：“总的来说，Adedinsewo 等人的研究结果表明——使用标准 12 导心电导联线心电图的 AI 可以改善急诊科呼吸困难患者对新发心力衰竭的识别率。这是一种易于在临床实践中使用的策略，有可能显著提高患者护理水平。”