AI-EKG pro časově rozlišenou predikci HFrEF

Srdeční selhání se sníženou ejekční frakcí (HFrEF) je spojeno s významnou morbiditou a mortalitou po celém světě a včasná identifikace ohrožených jedinců zůstává hlavní klinickou výzvou. Ačkoli stávající rizikové modely a biomarkery mohou poskytnout prognostické informace, jejich použití je často omezeno potřebou laboratorního testování nebo zobrazovacích metod, stejně jako variabilitou výkonu v různých populacích.

V této studii vyvíjíme model přežití založený na hlubokém učení pomocí nezpracovaných dat z 12svodového elektrokardiogramu (EKG) k predikci budoucího nástupu HFrEF. Model je navržen tak, aby generoval individualizované odhady rizika událostí v čase během 5letého sledovacího období, což umožňuje dynamické hodnocení trajektorií rizika namísto statické klasifikace.

Model je trénován na datech z nemocnice Zhongshan a externě validován v nezávislých kohortách z nemocnice Shanghai Tenth People's Hospital a Beth Israel Deaconess Medical Center. Tyto kohorty zahrnují široké spektrum pacientů, od jedinců bez známého kardiovaskulárního onemocnění až po osoby s různými klinickými stavy, což umožňuje vyhodnocení generalizovatelnosti modelu napříč různými zdravotnickými systémy a demografickými podskupinami.

Výkon modelu je komplexně hodnocen pomocí více metrik, včetně indexu shody, časově závislé plochy pod křivkou charakteristiky příjemce, plochy pod křivkou přesnosti a úplnosti, Brierova skóre, kalibrační analýzy a analýzy rozhodovací křivky. Schopnost stratifikace rizika je hodnocena pomocí Kaplan-Meierovy analýzy přežití.

Pro zvýšení interpretovatelnosti jsou použity komplementární metody založené na reprezentaci a pozornosti. Ty zahrnují analýzu latentních rysů odvozenou z variačního autoenkodéru, korelaci s konvenčními parametry EKG a techniky vizualizace založené na gradientu k identifikaci oblastí křivek přispívajících k predikcím modelu. Tyto přístupy mají za cíl zajistit, aby model zachytil fyziologicky významné signály spojené s remodelací myokardu a srdeční dysfunkcí.

Tato studie je observační a retrospektivní povahy a nezahrnuje žádnou intervenci. Výsledky mají za cíl podpořit vývoj neinvazivního, nákladově efektivního a široce dostupného nástroje pro včasnou detekci jedinců ohrožených HFrEF, s potenciálními důsledky pro preventivní strategie a personalizovaný klinický management.