肥厚性心肌病 (HCM) 因其异质性表型和临床病程而具有复杂的诊断和预后挑战。人工智能 (AI) 和机器学习 (ML) 技术有望改变心电图 (ECG) 在 HCM 诊断、预后和管理中的作用。人工智能(包括深度学习 (DL))使计算机能够从数据中学习模式,从而开发出能够分析心电图信号的模型。卷积神经网络等 DL 模型在准确识别心电图中与 HCM 相关的异常方面表现出了良好的前景,超越了传统的诊断方法。在诊断 HCM 时,ML 模型在区分 HCM 和其他心脏病方面表现出很高的准确性,即使在心电图结果正常的情况下也是如此。此外,人工智能模型通过预测导致心脏猝死的心律失常事件和识别有心房颤动和心力衰竭风险的患者,增强了风险评估。这些模型结合了临床和影像数据,提供了对患者风险状况的全面评估。挑战依然存在,包括需要更大、更多样化的数据集来提高模型的通用性并解决罕见事件预测中固有的不平衡问题。尽管如此,人工智能驱动的方法有可能通过根据个体患者风险状况提供及时准确的诊断、预后和个性化治疗策略来彻底改变 HCM 管理。本综述探讨了人工智能在 HCM 心电图分析中的当前应用前景,重点关注人工智能方法的进步及其在 HCM 护理中的具体应用。© 2024 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY 许可开放获取的文章(http://creativecommons.org/licenses/by/4.0/)
主要关键词