阵发性心房颤动发作风险的人工智能预测模型
李盼盼1
韩宇臣1
李峰2
陈雨2
郭军1
1.510630 广东省广州市,暨南大学附属第一医院心内科2.深圳大微医疗科技开发有限公司
摘要：目的 建立一种基于24h心电图数据开发的集成模型,从而对房颤高危人群发生房颤的风险,及实时预测阵发性房颤患者房颤的发作.方法 连续回顾性收集2018年1月1日至2021年12月31日在暨南大学第一附属医院心电报告诊断为阵发性心房颤动的患者共310例,经筛选后共有124例患者作为心房颤动组纳入本研究.同时以1∶4的比例随机选择496例心电图报告正常的患者作为非心房颤动组.两组患者最终一起被随机分配,得到训练集(n=434)、验证集(n=62)和测试集(n=124),比例为7∶1∶2,以进行心电模型训练.建立心电神经网络模型和心率神经网络模型,最后使用逻辑回归将心电神经网络模型和心率神经网络模型结合得到集成模型.结果 经过训练、验证和测试,人工智能集成算法的曲线下面积为0.94(95%CI 0.75～0.94),其敏感度、特异度、准确度、精确度和F1分数分别为56.0%、98.0%、90.0%、93.0%和0.70.与临床风险模型和现有的房颤预测模型HARMS2-AF评分相比,AI算法的性能更好(P<0.01).结论 人工智能集成算法可能是预测房颤风险,实时预测房颤发作的有效方法,可以作为一种早期预警工具.这对房颤的筛查,个体化抗凝方案的制定具有重要的临床意义.
关键词：人工智能24 h动态心电图阵发性心房颤动风险预测
分类号：R541.7(心脏、血管（循环系）疾病)
论文发表日期：2024-03-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 196-202 )
英文信息