Pomembna uporaba črt srčne prevodnosti

Srčno-žilne bolezni so vzrok smrti številka ena na Kitajskem, vsako leto z več kot 544000 primeri nenadne smrti centralnega izvora, njihova pojavnost pa narašča s spremembo življenjskega sloga in staranjem prebivalstva .

Nenadna srčna smrt (SCD) je nepričakovana smrt zaradi srčnih vzrokov, ki običajno nastopi v eni uri po pojavu simptomov srčne bolezni, za katero so značilni nenadna izguba zavesti, nenadna prekinitev delovanja srca in hemodinamska odpoved, običajno zaradi vztrajne ventrikularne tahikardije. ali ventrikularno fibrilacijo.

Zato lahko prepoznavanje ljudi z visokim tveganjem za SCD veliko pripomore k preprečevanju bolezni.

Elektrokardiogram (EKG) je pogosto uporabljena metoda za odkrivanje električne aktivnosti srca, običajni klinični standard pa uporablja 12-vodni EKG za oceno zdravja bolnikovega srca. Kot ključna komponenta, ki povezuje bolnikovo telo z instrumenta za elektrokardiogram, ima žica za srčno prevodnost ključno vlogo pri kakovosti signala elektrokardiograma.

Glede na novo študijo, objavljeno v Communications Medicine, eni vodilnih svetovnih znanstvenih revij, lahko model globokega učenja, ki temelji na EKG za oceno tveganja za SCD, natančneje razlikuje primere SCD od kontrolnih skupin kot tradicionalni model tveganja za EKG. To bo pomagalo klinikom. pregledati in identificirati ljudi z večjim tveganjem za SCD, tako da jih je mogoče redno testirati, da se prepreči pojav SCD.

Skupina je uporabila podatke iz dveh geografsko neodvisnih, prospektivnih, na skupnosti temelječih študij zunajbolnišničnih SCD, s skupnim vzorcem 2510 primerov SCD. Modeli globokega učenja (DL) so bili usposobljeni, potrjeni in preizkušeni na podlagi podatkov študije nenadne nenadne smrti SCD iz leta 1796 iz Oregona v ZDA (Oregon SUDS) in zunanje potrjeni na podlagi podatkov študije napovedi nenadne smrti 714 iz večetničnih skupnosti v okrožju Ventura v Kaliforniji (Ventura PRESTO). V študijo so bili vključeni vsi primeri 12-elektrokardiogramov elektrokardiogramov v mirovanju, ki so bili na voljo za analizo in so bili posneti pred SCD in niso bili povezani z dogodki SCD, razen EKG z ritmom srčnega utripa, atrijsko fibrilacijo ali atrijsko undulacijo vnaprej. ustvarite model DL, ki bi ga lahko uporabili za elektrokardiograme sinusnega ritma.

Ekipa je razvila model konvolucijske nevronske mreže, ki je sposoben prepoznati primere SCD z uporabo 12-oblik valovnih valov elektrokardiograma. Raziskovalci so pridobili dva neodvisna kontrolna vzorca iz 1.342 elektrokardiogramov 1.325 posameznikov, ki so imeli vsaj 50 odstotkov bolezni koronarnih arterij. Model so usposobili z uporabo 1076 primerov SCD iz Oregon SUDS in 1101 12-elektrokardiogramov elektrokardiogramov pred srčnim zastojem, 597 primerov srčno-kompatičnih bolezni iz kontrolne skupine in 613 12-elektrokardiogramov elektrokardiogramov. Ločena validacijska kohorta, sestavljena iz 366 EKG pred srčnim zastojem in 200 kontrolnih EKG, je bila uporabljena za določitev, kdaj prekiniti usposabljanje modela. Študijski vzorci so bili razdeljeni glede na raven bolnika, tako da je bilo več elektrokardiogramov istega bolnika mogoče vključiti v isto kohorto.

V primerjavi s tradicionalnimi modeli EKG je bil model DL, ki temelji na {{0}}valovni obliki EKG odvoda, natančnejši pri prepoznavanju primerov SCD, z notranjo kohorto AUROC (merilo vrednotenja nevronske mreže) 0. 889 in zunanje validiran AUROC 0,820 in je bil boljši od tradicionalne ocene tveganja EKG. To je prvo poročilo, da model DL, ki temelji na EKG, prekaša tradicionalne modele tveganja EKG pri napovedovanju izvenbolnišnične SCD na ravni skupnosti.