计算机科学>机器学习
标题: 基于深度神经网络的12导联心电图心房颤动的端到端风险预测
摘要: 背景:心房颤动(AF)是全球每年影响数百万人的最常见心律失常之一,与中风和心力衰竭等心血管疾病的风险增加密切相关。 机器学习方法在从心电图评估心房颤动风险方面显示出了良好的结果。 我们的目标是在巴西收集的大型CODE数据集上开发和评估一种这样的算法。 结果:深度神经网络模型确定了在当前ECG中没有房颤指征的患者,但他们将在未来发展为房颤,AUC评分为0.845。 从我们的生存模型中,我们得出高危组(即未来AF病例的概率大于0.7)的患者在40周内发生AF的可能性增加50%,而最低风险组的患者(即未来房颤病例的概率小于或等于0.1) 有超过85%的机会在七年后保持AF自由。 结论:我们开发并验证了房颤风险预测模型。 如果应用于临床实践,该模型具有在决策和患者管理过程中提供有价值和有用信息的潜力。