ACC 2018：人工智能技术助力12导联心电图识别左室功能不全

无症状性左心室功能不全患病率为2-9%，左室功能不全增加远期死亡率，如能早期发现，可以及时进行治疗。目前尚无经济、可靠简便的门诊筛查方法。目前血浆BNP检测筛查诊断心衰的曲线下面积为0.79-0.89。研究者通过尝试运用人工智能技术将心电图作为诊断无症状性左心室功能不全的简易方法。

研究者根据44969例在Mayo中心确诊的左室射血分数≤35%的心力衰竭患者的12导联心电图和心脏超声结果，建立了一个卷积神经网络模型（图1）。然后入选另外51979例患者对这一积卷神经网络模型进行验证。

图1 积卷神经网络建立过程

在51979例患者中，4064（8%）例患者EF＜35%。积卷神经网络心电图筛查方法的ROC曲线下面积为0.93（图2），灵敏度、特异度、准确度分别为85%、86%、86%。1317例患者左室射血分数正常，但仍被人工智能判定为异常（假阳性结果），其中153例未来5年内发生射血分数异常。今后出现左室射血分数下降的风险增加5倍，提示积卷神经网络可能在亚临床阶段识别心电图上表现出的心肌代谢和结构异常。

图2 积卷神经网络心电图诊断无症状心力衰竭的ROC曲线

结论：将人工智能应用于心电图领域，成本效益很高。本研究使心电图成为一个筛查无症状心室功能不全有效的工具，甚至早期发现今后心衰风险增高的患者。

本公众号对话窗口回复“心闻速递”查看栏目合集

参考文献：

JACC March 20, 2018，Volume 71, Issue 11，306.

识别下方二维码回复“心闻速递21”即可获得文献原文