Tidig EKG-förutsägelse av multisystemets sjukdomskohortanläggning och uppföljning (EARLY-ECG-PRED)

De senaste framstegen inom artificiell intelligens (AI) har utökat diagnostiska förmågor för elektrokardiografi (EKG) utöver hjärt -kärlsjukdomar. Nya bevis visar att AI-förbättrad EKG-analys kan ge värdefull insikt i ålder, kön, dödlighetsrisk, hjärtfunktion och systemiska tillstånd såsom elektrolytobalanser, njurfunktion och sköldkörtelsjukdomar. Dessa fynd positionerar EKG som ett lovande verktyg för identifiering och förutsägelse av ett brett spektrum av sjukdomar.

För att ytterligare undersöka de underliggande mekanismerna som kopplar EKG-avvikelser med multisystemsjukdomar och för att utveckla EKG-baserade diagnostiska, screening och prediktiva modeller initierade vi en multi-center, prospektiv, observationsstudie som involverade patienter som genomgick EKG-undersökningar. Projektets mål är följande:

1. AI-ECG Foundation Model Development

1. Diagnos av traditionella hjärt -kärlsjukdomar (t.ex. arytmier, hjärtinfarkt).
2. Screening av multisystemstörningar, inklusive: cirkulations-, matsmältnings-, andnings- och nervsystemets sjukdomar, endokrina/metaboliska störningar, urogenitala sjukdomar, hematologiska tillstånd, neoplasmer och psykiska sjukdomar.
3. Förutsägelse av nya tillstånd (t.ex. förmaksflimmer, hjärtsvikt, valvulära sjukdomar, Nstemi, ventrikulär takykardi) och 1-års dödlighetsrisk.

2. Klinisk verktyg och implementering

Genom att utnyttja Portabilitet, kostnadseffektivitet och icke-invasivitet för EKG, möjliggör vår AI Foundation-modell:

1. Snabb, storskalig screening i polikliniska, inpatient-, nöd- och samhällsinställningar.
2. Tidig upptäckt av multisystemsjukdomar, vägledande riktade diagnostiska upparbetningar.

3. Mekanistisk och tolkningsforskning som belyser diagnostisk, prediktiv och riskstratifieringslogik för AI-ECG-grundmodeller.