2021 ESC年会最新研究：CardAIc-ECG心电图预测心衰高风险人群及治疗获益
然后单击右上角的“ ...”菜单，然后选择“设置为星”编辑注：2 021欧洲心脏病学会（ESC）年度会议迟到，并发布了三项最新的科学研究。该杂志特别邀请了中国人民解放军综合医院陈教授对两项研究发表特别评论，并与您深入研究。
-ecg：心电图
心力衰竭患者的心电图预测
目前尚不清楚哪些心力衰竭患者处于较高的风险，可以从预防心力衰竭的治疗中受益。先前的研究表明，深度神经网络（DNN）可以通过识别心电图特征来识别人们的风险。这项研究使用DNN识别ECG特征，以便早日鉴定患有高风险心力衰竭的患者。
这项研究是一项单中心研究，在2008-2018年与当地一家医院进行了12铅ECG检查并且年龄> 18岁的患者。排除标准是：心电图检查前的心力衰竭，心电图规格不匹配或无效检测。在2008-2018年研究期间，所有选定的患者在诊断为心力衰竭或随访结束之前均接受了一项或多项ECG检查。心电图的示例分别用于构建模型（70％），模型调整（15％）和内部验证（15％）。该人口的中位随访时间为2。5年。使用11,392例心电图病例进行外部验证，并随访了4。8年。
这项研究中使用的机器学习方法是一个深神经网络，仅包含I，II和V1-6的铅在500Hz 12 LEAD心电图中用于模型构建。预测目标是心力衰竭被诊断为ICD10编码为ECG后标准的心力衰竭（包括射血分数减少，保留和中间值的心力衰竭）。此外，该研究还使用基线信息来构建临床回归预测模型（变量包括年龄，性别，高血压，房颤，冠心病，冠心病，慢性肾脏疾病和糖尿病），并将其与DNN模型相结合以比较模型，DNN模型和DNN模型。使用AUC（曲线下的区域），NRI（净重新分类指数）和IDI（综合判别改进指数）比较模型。
研究结果表明，与临床回归模型相比，DNN模型对未来心力衰竭事件具有更好的识别能力（：= 0.807：0.730，P
https://img0.baidu.com/it/u=1978847595,2078274530&fm=253&fmt=JPEG&app=120&f=JPEG?w=779&h=500
图1 DNN模型和临床模型的ROC曲线分析
图2内部验证（左）和外部验证集（右）中DNN和临床联合模型的ROC曲线分析（右）
评论
这项研究使用500Hz 12铅ECG数据作为输入变量来构建深层神经网络模型，以学习和预测ECG后诊断出的心力衰竭，并致力于进一步识别具有高心力衰竭风险的潜在种群，以便为该人群提供早期治疗并进一步改善患者的预后。
由于心力衰竭的高风险，它通常会伴随着心血管不良事件的更高发生率。进行早期诊断和治疗以避免进一步的结构和功能损害尤为重要。它的标准诊断实验包括成像和功能评估方法，例如胸部X射线，超声心动图，磁共振等，所有这些都具有一定的诊断成本。相比之下，心电图简单快速，患者更坚持。但是，心电图对心力衰竭的识别特异性不是很高，并且由于图像是从电信号记录得出的，因此ECG具有一定的变异性，这可能导致诊断准确性的降低。在这项研究中，机器学习模型用于识别ECG变量，该变量为此提供了新的解决方案。
基于技术手段的持续创新，已经提出了多种AI算法并应用于疾病诊断和风险预测领域。深神经网络（DNN）是机器学习领域中复杂的算法。由于引入了多个和多层神经元，DNN具有很强的功能提取功能，并且比在高通量和高维数据集中性能中的其他传统机器学习模型更好。此外，由于神经元节点的数量大量，可以在损坏后执行补偿，从而导致DNN的容错能力非常强。由于其具有很强的特征提取能力，该算法通常用于解决成像问题，并已成功用于诊断多种疾病，包括糖尿病性视网膜筛查和癌症诊断。在心电图识别方面，研究团队在早期阶段开发了其他模型，以解释心电图以诊断房颤。结果表明，心房颤动患者的诊断准确性高达90％，这与联合医师相当。
但是，作为复杂的网络结构，DNN也有缺点。例如，所有机器学习模型都是黑框，网络计算的特定过程和定义无法详细说明。此外，由于引入了复杂的神经元网络，它们的复杂性和使用成本很高。如果进行监督学习，它将相对增加手动标签的成本，这也是无法广泛使用网络的原因之一。在这项研究中，尽管DNN使用心电图，即图像数据作为输入层，但其预测目标不是图像注释结果，而是预测心力衰竭的发生，在一定程度上，这会降低研究成本，并提出了用于应用DNN的新想法。此外，这项研究中引入的样品数量很大，这导致DNN模型可能具有更好的适用性。
这项研究的一些内容需要讨论。在研究中，同一患者的多个心电图被构造为模型构建的变量，这可能导致模型构建过程中引入相似数据的相似数据，这又导致过度拟合模型并使其外部数据的预测能力降低。
专家资料
陈·杨教授
https://img1.baidu.com/it/u=1060606815,447974102&fm=253&fmt=JPEG&app=138&f=JPEG?w=922&h=500
中国人民解放军综合医院，心血管医学系，首席医师，博士主管和心脏介入和心血管成像学术领导者。他目前是人民解放军综合医院心血管医学系主任，也是陆军老年心血管疾病研究所主任。他还担任中国医学护理国际交易所促销协会心血管分支的主席，全军心血管医学专业委员会主席，中国医学协会的胸痛专业委员会副主席/心血管医学分支机构的标准成员，以及“包括”（包括SCI）。
他连续主持了21个国家，省和部长级项目。他在22个国内外多中心临床研究项目中领先，在省和部长级及以上赢得了6项科学和技术成就。作为第一人称，他获得了国家科学和技术进步奖（2019年）的1次冠军，2次省级和部长级级别的成就以及3次奖品。他已授权12项国家发明专利。在过去的五年中，他在国际知名的期刊（例如JACC，JACC-和J）中发表了143篇论文，为第一或通讯作者。他已经在国际知名的期刊上发表了143篇论文，例如JACC，JACC-和J。IF是20.59的最高期刊，他已经编辑了5篇专着。在过去的五年中，它领先并发布了五个心血管疾病行业指南或专家共识。
个人已经完成了近10,000种各种类型的复杂介入手术。对未受保护的左主躯干病变的首次国内介入治疗爆发了“介入限制区域”。临床结果已包括在国际准则中，并在中国促进。在军队中完成了第一次经皮主动脉瓣插入，难治性高血压射频消融，完成了首个国际OFR在线分析，以指导关键病变介入的介入性手术，并完成了国际混合现实技术的首次使用，以完成下腔静脉腔cava过滤器的植入。
进行了“基本成像和心脏干预-CICI会议”和“介入的诊断和治疗改善类别，进行了24次国际手术广播，并为军队和陆军外部的陆军和200多个国际干预人员培训了大量的介入式骨干，对印度，日本，日本，巴基斯坦和其他国家和其他国家进行了培训。他还曾在三所高等医学院担任博士主管，并培训101名研究生，包括8位博士后学生，45名博士生和48名硕士学生。
LBS特殊人工智能和数字健康评论
页:
[1]