Važna upotreba linija srčane vodljivosti

Kardiovaskularne bolesti uzrok su broj jedan smrti u Kini, s više od 544000 slučaja iznenadne smrti središnjeg uzroka svake godine, a njihova je učestalost u porastu s promjenom načina života i starenjem stanovništva .

Iznenadna srčana smrt (SCD) je neočekivana smrt od srčanih uzroka, koja se obično javlja unutar jednog sata od pojave simptoma srčane bolesti, karakterizirana iznenadnim gubitkom svijesti, iznenadnim prestankom srčane aktivnosti i hemodinamskim zatajenjem, obično zbog perzistentne ventrikularne tahikardije ili ventrikularne fibrilacije.

Stoga, identificiranje ljudi s visokim rizikom od ISS može uvelike pomoći u prevenciji bolesti.

Elektrokardiogram (EKG) široko je korištena metoda za otkrivanje električne aktivnosti srca, a uobičajeni klinički standard koristi 12-odvodni EKG za procjenu zdravlja pacijentova srca. Kao ključna komponenta koja povezuje tijelo pacijenta s instrumenta za elektrokardiogram, žica srčane vodljivosti igra vitalnu ulogu u kvaliteti signala elektrokardiograma.

Prema novoj studiji objavljenoj u Communications Medicine, jednom od vodećih svjetskih znanstvenih časopisa, model dubokog učenja temeljen na EKG-u za procjenu rizika od ISS-a može točnije razlikovati slučajeve ISS-a od kontrolnih skupina nego tradicionalni EKG model rizika. To će pomoći kliničarima pregledati i identificirati osobe s većim rizikom od ISS-a, tako da se mogu redovito testirati kako bi se spriječio nastanak ISS-a.

Tim je koristio podatke iz dvije geografski neovisne, prospektivne studije izvanbolničke ISS u zajednici koje su u tijeku, s ukupnim uzorkom od 2510 slučajeva ISS. Modeli dubokog učenja (DL) uvježbani su, potvrđeni i testirani na podacima Studije iznenadne slučajne smrti 1796 SCD iz Oregona, SAD (Oregon SUDS), i eksterno validirani na podacima Studije predviđanja iznenadne smrti 714 iz multietničkih zajednica u okrugu Ventura, Kalifornija (Ventura PRESTO). Svi slučajevi 12-elektrokardiograma elektrode u mirovanju dostupni za analizu, koji su snimljeni prije SCD-a i nisu bili povezani s događajima SCD-a, bili su uključeni u studiju, isključujući EKG s ritmom pejsinga, atrijalnu fibrilaciju ili atrijsko lepršanje a priori do stvoriti DL model koji bi se mogao primijeniti na elektrokardiograme sinusnog ritma.

Tim je razvio model konvolucijske neuronske mreže koji može identificirati slučajeve SCD pomoću 12-odvodnih EKG valnih oblika. Istraživači su dobili dva neovisna kontrolna uzorka iz 1342 elektrokardiograma od 1325 osoba koje su imale najmanje 50 posto koronarne arterijske bolesti. Uvježbali su model koristeći 1076 slučajeva SCD-a iz Oregon SUDS-a i 1101 12-EKG odvoda prije srčanog zastoja, 597 slučajeva ISS-a iz kontrolne skupine i 613 12-EKG-a u odvodu. Zasebna validacijska kohorta, koja se sastoji od 366 EKG-a prije srčanog zastoja i 200 kontrolnih EKG-a, korištena je za određivanje kada prekinuti obuku modela. Uzorci studije podijeljeni su po razini bolesnika tako da se višestruki elektrokardiogrami istog bolesnika mogu uključiti u istu kohortu.

U usporedbi s tradicionalnim EKG modelima, DL model temeljen na {{0}}odvodnom EKG valnom obliku bio je točniji u identificiranju slučajeva SCD, s internom kohortnom AUROC (mjerom procjene neuronske mreže) od 0. 889 i eksterno validirani AUROC od 0,820, i bio je bolji od tradicionalnog EKG rezultata rizika. Ovo je prvo izvješće da DL model temeljen na EKG-u nadmašuje tradicionalne EKG modele rizika u predviđanju izvanbolničkog SCD-a na razini zajednice.