Важливе використання ліній серцевої провідності

Серцево-судинні захворювання є причиною смерті номер один у Китаї, з більш ніж 544000 випадками раптової смерті центрального походження щороку, і їх захворюваність зростає зі зміною способу життя та старінням населення .

Раптова серцева смерть (ССС) — це раптова смерть від серцевих причин, яка зазвичай настає протягом однієї години після появи симптомів хвороби серця, характеризується раптовою втратою свідомості, раптовим припиненням серцевої діяльності та гемодинамічною недостатністю, як правило, через стійку шлуночкову тахікардію. або фібриляція шлуночків.

Таким чином, виявлення людей із високим ризиком ССД може значною мірою допомогти запобігти захворюванню.

Електрокардіограма (ЕКГ) є широко використовуваним методом виявлення електричної активності серця, і звичайний клінічний стандарт використовує 12-відведення ЕКГ для оцінки здоров’я серця пацієнта. Як ключовий компонент, що зв’язує тіло пацієнта з електрокардіограми, дріт серцевої провідності відіграє важливу роль у якості сигналу електрокардіограми.

Відповідно до нового дослідження, опублікованого в Communications Medicine, одному з провідних наукових журналів світу, модель глибокого навчання на основі ЕКГ для оцінки ризику ССЗ може точніше відрізняти випадки ССЗ від контрольних груп, ніж традиційна модель ризику ЕКГ. Це допоможе клініцистам. проводити обстеження та ідентифікувати людей із підвищеним ризиком ССД, щоб їх можна було регулярно перевіряти, щоб запобігти виникненню ССД.

Команда використала дані двох географічно незалежних проспективних позалікарняних досліджень ССЗ, що тривають у громаді, із загальною вибіркою 2510 випадків ССД. Моделі глибокого навчання (DL) були навчені, підтверджені та випробувані на даних 1796 SCD Sudden Accidental Death Study з Орегона, США (Oregon SUDS), і зовнішньо підтверджені на 714 Sudden Death Prediction Study з багатоетнічних громад в окрузі Вентура, Каліфорнія (Вентура ПРЕСТО). Усі доступні для аналізу випадки 12-електрокардіограм у відведеннях у стані спокою, які були записані до ССД і не були пов’язані з подіями ССД, були включені до дослідження, за винятком ЕКГ з ритмом стимуляції, фібриляцією передсердь або тріпотінням передсердь апріорі до створити модель DL, яку можна було б застосувати до електрокардіограм синусового ритму.

Команда розробила модель згорткової нейронної мережі, здатну ідентифікувати випадки ССЗ за допомогою 12-форми хвилі ЕКГ у відведеннях. Дослідники отримали два незалежних контрольних зразка з 1342 електрокардіограм від 1325 осіб, які мали принаймні 50 відсотків ішемічної хвороби серця. Вони навчили модель, використовуючи 1076 випадків ССД від Oregon SUDS та 1101 12-ЕКГ у відведеннях до зупинки серця, 597 випадків ССД з контрольної групи та 613 12-ЕКГ у відведеннях. Окрема перевірочна когорта, що складається з 366 ЕКГ до зупинки серця та 200 контрольних ЕКГ, була використана для визначення, коли припинити навчання моделі. Зразки дослідження були розділені за рівнем пацієнтів, щоб кілька електрокардіограм від одного пацієнта можна було включити в ту саму когорту.

Порівняно з традиційними моделями ЕКГ, модель DL, заснована на формі хвилі ЕКГ у відведеннях, була точнішою у визначенні випадків ССЗ із внутрішньою когортою AUROC (міра оцінки нейронної мережі) 0. 889 і зовнішньо валідований AUROC 0,820 і був кращим, ніж традиційний показник ризику ЕКГ. Це перший звіт про те, що модель DL на основі ЕКГ перевершує традиційні моделі ризику ЕКГ у прогнозуванні позалікарняних ССД на рівні громади.