Dôležité použitie liniek vodivosti srdca

Kardiovaskulárne ochorenia sú v Číne najčastejšou príčinou úmrtí s viac ako 544000 prípadmi náhleho úmrtia centrálneho pôvodu každý rok a ich výskyt sa zvyšuje so zmenou životného štýlu a starnutím populácie .

Náhla srdcová smrť (SCD) je neočakávaná smrť zo srdcových príčin, ktorá sa zvyčajne vyskytuje do jednej hodiny od nástupu symptómov srdcového ochorenia, charakterizovaná náhlou stratou vedomia, náhlym zastavením srdcovej činnosti a hemodynamickým zlyhaním, zvyčajne v dôsledku pretrvávajúcej komorovej tachykardie alebo ventrikulárnej fibrilácie.

Identifikácia ľudí s vysokým rizikom SCD preto môže výrazne pomôcť pri prevencii ochorenia.

Elektrokardiogram (EKG) je široko používaná metóda na zisťovanie elektrickej aktivity srdca a zvyčajný klinický štandard používa 12-zvodové EKG na posúdenie zdravia srdca pacienta. Ako kľúčový komponent spájajúci telo pacienta s elektrokardiogram, drôt na vedenie srdca zohráva zásadnú úlohu v kvalite signálu elektrokardiogramu.

Podľa novej štúdie publikovanej v Communications Medicine, jednom z popredných svetových vedeckých časopisov, model Deep Learning založený na EKG na hodnotenie rizika SCD dokáže presnejšie rozlíšiť prípady SCD od kontrolných skupín ako tradičný model rizika EKG. To pomôže lekárom. skrínovať a identifikovať ľudí s vyšším rizikom SCD, aby sa mohli pravidelne testovať, aby sa predišlo výskytu SCD.

Tím využil údaje z dvoch geograficky nezávislých, prospektívnych komunitných pretrvávajúcich štúdií SCD mimo nemocnice s celkovou vzorkou 2 510 prípadov SCD. Modely hlbokého učenia (DL) boli vyškolené, overené a testované na z roku 1796 SCD Údaje o náhlom náhodnom úmrtí z Oregonu, USA (Oregon SUDS) a externe overené na 714 údajov o náhlom predikcii smrti z multietnických spoločenstiev v okrese Ventura v Kalifornii v Kalifornii v Kalifornii v Kalifornii v Kalifornii (Ventura PRESTO). Všetky prípady odpočinku 12- olovené elektrokardiogramy dostupné na analýzu, ktoré boli zaznamenané pred SCD a neboli spojené s udalosťami SCD, boli zahrnuté do štúdie, s výnimkou EKG s stimulačným rytmom, fibriláciou predsiení alebo predsieňovým flutterom a priori až do priori až na priori. Vytvorte DL model, ktorý by sa mohol použiť na elektrokardiogramy sinusu.

Tím vyvinul model konvolučnej neurónovej siete schopný identifikovať prípady SCD pomocou 12-kriviek zvodového EKG. Vedci získali dve nezávislé kontrolné vzorky z 1 342 elektrokardiogramov od 1 325 jedincov, ktorí mali aspoň 50 percent ochorenia koronárnych artérií. Trénovali model pomocou 1076 prípadov SCD z Oregon SUDS a 1101 12-zvodového EKG pred zástavou srdca, 597 prípadov SCD z kontrolnej skupiny a 613 12-zvodového EKG. Samostatná validačná kohorta pozostávajúca z 366 EKG pred zástavou srdca a 200 kontrolných EKG sa použila na určenie, kedy sa má zastaviť modelový tréning. Vzorky štúdie boli rozdelené podľa úrovne pacienta, aby bolo možné do rovnakej kohorty zahrnúť viacero elektrokardiogramov od toho istého pacienta.

V porovnaní s tradičnými modelmi EKG bol model DL založený na {{0}} olovo EKG vlnový form presnejší pri identifikácii prípadov SCD, s internou kohortovou AUROC (miera hodnotenia neurónovej siete) 0. 889 a externe overená AUROC 0,820 a bola lepšia ako tradičné skóre rizika EKG. Toto je prvá správa, že model DL založený na EKG prekonáva tradičné modely rizika EKG pri predpovedaní SCD mimo nemocnice na úrovni komunity.