机构名称：
¥ 1.0
回顾性和前瞻性研究发现，人工智能心电图 (ECG) 算法可以识别窦性心律期间患有心房颤动的患者 ( 1 , 2 )。Attia 等人使用卷积神经网络，通过来自 10 秒 12 导联心电图的独特特征来检测心房颤动。回顾性分析审查了超过 180,000 名患者的记录 ( 1 )。在这个数据集中，3,051 名患者 (8.4%) 被确诊为心房颤动。单一人工智能心电图检测到心律失常的敏感性为 79%，特异性为 79.5%，曲线下面积 (AUC) 为 0.87 ( 1 )。在随后的前瞻性非随机临床试验中，Noseworthy 等人招募了约 1,000 名有中风风险的患者 ( 2 )。他们佩戴了长达 30 天的连续动态心律监测仪。再次使用 AI 算法分析心电图读数。370 名低风险患者中 6 名（1.6%）被检测到有心房颤动，633 名高风险患者中 48 名（7.6%）被检测到有心房颤动：“与常规护理相比，AI 引导的筛查与心房颤动检出率增加相关（高风险组：常规护理 3.6% [95% CI 2.3 – 5.4] vs. AI 引导的筛查 10.6% [8.3 – 13.2]，p < 0.0001；低风险组：0.9% vs. 2.4%，p = 0.12）在中位 9.9 个月的随访期内”（2）。这些研究提供的证据表明，在正常窦性心律期间获取的人工智能心电图可以识别患有心房颤动的个体。
人工智能如何推动心血管医学创新
主要关键词
相关文件推荐
