Mély tanulási EKG-értékelés és klinikai értékelés a versenysportra való alkalmasság érdekében (VALETUDO)

Ennek a megfigyelési vizsgálatnak a célja egy olyan Deep Learning (DL) modell felépítésének lehetőségének értékelése, amely képes elemezni a sportolók elektrokardiográfiás nyomait, és információt szolgáltatni a szív- és érrendszeri betegségek valószínűségi rétegződésének formájában.

A DL modell kalibrálása képzést igényel. A projekt azt tervezi, hogy pontossági értékeléseket végez az érvényesítési populáción (76 sportoló) és edzési kísérleteket egy másik adatkészleten (455 sportoló).

A rendszerképzés kezdeti szakasza lesz. A sportolók értékelése a jelenlegi irányelvek és a versenysportban való részvételre vonatkozó olasz kardiológiai irányelvek (COCIS) szerint történik, a szükséges diagnosztikai tesztekkel eseti alapon. A kardiális értékelés végén a sportolók „alkalmas” vagy „alkalmatlan” kategóriába sorolhatók a versenytevékenységre.

A résztvevők az ebbe a két csoportba sorolt ​​"fitt" és "alkalmatlan" sportolók EKG-ját egy mély tanulási algoritmusnak vetik alá a mesterséges intelligencia rendszerének képzése érdekében.

Ezután sor kerül az egymást követő sportolók populációjának összeállítására a teszt érvényesítési készletének kialakításához. Ezeknél a sportolóknál a beutaló sportorvosok jelezték a versenyszerű alkalmasság megadásához szükséges értékelési javallatokat. Ebben az esetben is az érvényesítő készletben szereplő sportolókat az iránymutatások és a COCIS szerint értékelik, eseti alapon megfelelő tesztekkel a versenyre való alkalmasság értékelése céljából.

A résztvevők alávetik a validációs készletben szereplő sportolók EKG-jeit a mesterséges intelligencia modelljének, hogy értékeljék a pontosságot, érzékenységet, specifitást, pozitív prediktív értéket, negatív prediktív értéket és AUC-t, hogy megkülönböztessék az alkalmasnak ítélt sportolókat a versenytevékenységre alkalmatlannak ítélt sportolóktól. szívvizsgálatok.