Ocena EKG metodą głębokiego uczenia się i ocena kliniczna pod kątem kwalifikowalności do uprawiania sportów wyczynowych (VALETUDO)

Celem niniejszego badania obserwacyjnego jest ocena możliwości zbudowania modelu Deep Learning (DL), który będzie w stanie analizować zapisy elektrokardiograficzne sportowców i dostarczać informacji w postaci stratyfikacji prawdopodobieństwa chorób układu krążenia.

Model DL wymaga kalibracji szkolenia. W ramach projektu planowane jest przeprowadzenie ocen dokładności na populacji walidacyjnej (76 sportowców) oraz prób treningowych na innym zbiorze danych (455 sportowców).

Nastąpi wstępna faza szkolenia systemowego. Sportowcy będą oceniani zgodnie z obowiązującymi wytycznymi oraz włoskimi wytycznymi kardiologicznymi dotyczącymi udziału w sporcie wyczynowym – COCIS, z wymaganymi badaniami diagnostycznymi w każdym przypadku indywidualnie. Na koniec oceny kardiologicznej sportowców można sklasyfikować jako „zdolnych” lub „niezdolnych” do udziału w zawodach.

Uczestnicy poddadzą EKG „sprawnych” i „niesprawnych” sportowców, podzielonych na te dwie grupy, algorytmowi głębokiego uczenia się w celu wytrenowania systemu sztucznej inteligencji.

Następnie zostanie wybrana populacja kolejnych sportowców w celu utworzenia zestawu walidacyjnego na potrzeby testu. Zawodnicy ci posiadają wskazania do oceny w celu stwierdzenia sprawności wyczynowej, zgodnie ze wskazaniami kierującego lekarza sportowego. Również w tym przypadku sportowcy objęci zestawem walidacyjnym zostaną poddani ocenie zgodnie z wytycznymi i COCIS za pomocą odpowiednich testów, przeprowadzanych indywidualnie w każdym przypadku, w celu oceny przydatności do zawodów.

Uczestnicy poddadzą EKG sportowców z zestawu walidacyjnego modelowi sztucznej inteligencji, aby ocenić dokładność, czułość, swoistość, dodatnią wartość predykcyjną, ujemną wartość predykcyjną i AUC u sportowców uznanych za „sprawnych” od tych, których uznano za „niezdolnych” do aktywności wyczynowej po badania kardiologiczne.