Важна употреба линија срчане проводљивости

Кардиоваскуларне болести су број један узрок смрти у Кини, са више од 544,000 случајева изненадне смрти из централног порекла сваке године, а њена учесталост расте са променом начина живота и старењем становништва .

Изненадна срчана смрт (СЦД) је неочекивана смрт од срчаних узрока, која се обично јавља у року од једног сата од појаве симптома срчане болести, коју карактерише изненадни губитак свести, изненадни престанак срчане активности и хемодинамска инсуфицијенција, обично због упорне вентрикуларне тахикардије. или вентрикуларна фибрилација.

Стога, идентификација људи са високим ризиком од ИСС може увелико помоћи у превенцији болести.

Електрокардиограм (ЕКГ) је широко коришћена метода за откривање електричне активности срца, а уобичајени клинички стандард користи 12-водни ЕКГ за процену здравља срца пацијента. Као кључну компоненту која повезује тело пацијента са инструмент за електрокардиограм, жица срчане проводљивости игра виталну улогу у квалитету сигнала електрокардиограма.

Према новој студији објављеној у Цоммуницатионс Медицине, једном од водећих светских научних часописа, модел дубоког учења заснован на ЕКГ-у за процену ризика од ИСС може прецизније разликовати случајеве ИСС од контролних група од традиционалног модела ризика за ЕКГ. Ово ће помоћи клиничарима прегледајте и идентификујте људе са већим ризиком од ИСС, тако да се могу редовно тестирати како би се спречило појављивање ИСС.

Тим је користио податке из две географски независне, проспективне, текуће ванболничке студије ИСС, са укупним узорком од 2.510 случајева ИСС. Модели дубоког учења (ДЛ) су обучени, валидирани и тестирани на подацима студије изненадне несрећне смрти 1796 СЦД из Орегона, САД (Орегон СУДС), и екстерно потврђени на подацима 714 студије предвиђања изненадне смрти из мултиетничких заједница у округу Вентура, Калифорнија (Вентура ПРЕСТО). Сви случајеви електрокардиограма 12- електрокардиограма у мировању доступних за анализу, који су снимљени пре ИСС и нису били повезани са ИСС догађајима, укључени су у студију, искључујући ЕКГ са ритмом пејсинга, атријалну фибрилацију или атријално треперење а приори креирати ДЛ модел који би се могао применити на електрокардиограме синусног ритма.

Тим је развио модел конволуционе неуронске мреже који може да идентификује случајеве ИСС помоћу 12-таласних облика ЕКГ електрода. Истраживачи су добили два независна контролна узорка од 1.342 електрокардиограма од 1.325 особа које су имале најмање 50 процената коронарне артеријске болести. Они су обучили модел користећи 1076 случајева ИСС из Орегон СУДС и 1,101 12-ЕКГ електроде пре срчаног застоја, 597 случајева ИСС из контролне групе и 613 12-ЕКГ електроде. Одвојена валидациона кохорта, која се састоји од 366 ЕКГ-а пре срчаног застоја и 200 контролних ЕКГ-а, коришћена је да се одреди када треба прекинути тренинг модела. Узорци студије су подељени према нивоу пацијената тако да вишеструки електрокардиограми истог пацијента могу бити укључени у исту кохорту.

У поређењу са традиционалним ЕКГ моделима, ДЛ модел заснован на {{0}} таласном облику ЕКГ електроде био је тачнији у идентификацији случајева ИСС, са интерном кохортом АУРОЦ (мера за процену неуронске мреже) од 0. 889 и екстерно потврђени АУРОЦ од 0,820, и био је бољи од традиционалног ЕКГ скора ризика. Ово је први извештај да ДЛ модел заснован на ЕКГ-у надмашује традиционалне ЕКГ моделе ризика у предвиђању ванболничког ИСС на нивоу заједнице.