Lancet：人工智能心电图可从正常窦性心律中鉴别房颤
2019-08-03 MedSci MedSci原创
房颤通常无症状而不被发现，但房颤与中风、心衰和死亡相关。现有的筛选方法需要长时间的监测，受成本和低收益的限制。研究人员致力于开发一种快速、廉价、即时的方法，即用人工智能来检测房颤。研究人员利用脑回神经网络开发了一种人工智能(AI)心电图(ECG)，可通过标准的10秒12导联心电图(ECGs)检测正常窦性心律时房颤的心电特征。并以年满18岁至少做过一次标准12导联ECG且为正常窦性心律的患者对该系统
研究人员利用脑回神经网络开发了一种人工智能(AI)心电图(ECG)，可通过标准的10秒12导联心电图(ECGs)检测正常窦性心律时房颤的心电特征。并以年满18岁至少做过一次标准12导联ECG且为正常窦性心律的患者对该系统进行验证。将伴有房颤或房扑的患者归为房颤阳性。
纳入180 922位患者，共有649 931次正常窦性心律ECGs可用于分析，训练数据集、内部验证数据集和测试数据集分别有454 789/126？526、64？340/18？116 和130？802份ECGs/36？280位患者。在测试数据集中有3051位（8.4%）之前ECGs提示为正常窦性心律的患者被确诊为房颤。单用AI-ECG鉴定房颤的敏感度为79.0%（77.5-80.4）、特异性为79.5%（79.0-79.9），总体精确度为79.4%（79.0-79.9）。纳入研究开始前或患者首次记录到房颤前的ECG，敏感度、特异性和总体精确度分别可增加至82·3% (80·9–83·6)、83·4% (83·0–83·8)和83·3% (83·0–83·7).
人工智能心电图有助于筛查正常窦性心律中隐藏的房颤患者。
原始出处：
Zachi I Attia，et al.An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm： a retrospective analysis of outcome prediction.https：//doi.org/10.1016/S0140-6736(19)31721-0
本文系梅斯医学（MedSci）原创编译，转载需授权！
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
#Lancet#
30
#窦性心律#
29