Важното използване на линиите на сърдечната проводимост
Остави съобщение
Сърдечно-съдовите заболявания са причина номер едно за смърт в Китай, с повече от 544000 случая на внезапна смърт от централен произход всяка година и честотата им нараства с промяната в начина на живот и застаряването на населението .
Внезапна сърдечна смърт (ВСС) е неочаквана смърт от сърдечни причини, обикновено настъпваща в рамките на един час от началото на симптомите на сърдечно заболяване, характеризираща се с внезапна загуба на съзнание, внезапно спиране на сърдечната дейност и хемодинамична недостатъчност, обикновено поради персистираща камерна тахикардия или вентрикуларна фибрилация.
Следователно идентифицирането на хора с висок риск от SCD може да помогне много за предотвратяване на заболяването.
Електрокардиограмата (ЕКГ) е широко използван метод за откриване на електрическата активност на сърцето и обичайният клиничен стандарт използва 12-оловна ЕКГ за оценка на здравето на сърцето на пациента. Като ключов компонент, свързващ тялото на пациента с инструмент за електрокардиограма, проводникът за сърдечна проводимост играе жизненоважна роля за качеството на сигнала на електрокардиограмата.
Според ново проучване, публикувано в Communications Medicine, едно от водещите научни списания в света, ЕКГ-базираният модел на задълбочено обучение за оценка на риска от SCD може по-точно да разграничи случаите на SCD от контролните групи, отколкото традиционния ЕКГ модел на риска. Това ще помогне на клиницистите скрининг и идентифициране на хора с по-висок риск от SCD, така че да могат да бъдат тествани редовно, за да се предотврати появата на SCD.
Екипът използва данни от две географски независими, проспективни, базирани на общността текущи извънболнични проучвания на SCD, с обща извадка от 2510 случая на SCD. Моделите за задълбочено обучение (DL) бяха обучени, валидирани и тествани върху данни от 1796 SCD Sudden Accidental Death Study от Орегон, САЩ (Oregon SUDS) и външно валидирани върху 714 Sudden Death Prediction Study данни от мултиетнически общности в окръг Вентура, Калифорния (Вентура PRESTO). Всички случаи на 12-електрокардиограми в покой, достъпни за анализ, които са записани преди SCD и не са свързани със събития на SCD, са включени в проучването, с изключение на ЕКГ с ритъм на пейсмейк, предсърдно мъждене или предсърдно трептене a priori към създайте DL модел, който може да се приложи към електрокардиограми на синусов ритъм.
Екипът разработи модел на конволюционна невронна мрежа, способен да идентифицира случаите на SCD с помощта на 12-форми на вълната на ЕКГ на водещото. Изследователите са получили две независими контролни проби от 1342 електрокардиограми от 1325 индивида, които са имали най-малко 50 процента коронарна артериална болест. Те обучиха модела, използвайки 1076 случая на SCD от Oregon SUDS и 1101 12-отвеждащи ЕКГ преди сърдечен арест, 597 случая на SCD от контролната група и 613 12-отвеждащи ЕКГ. Отделна кохорта за валидиране, състояща се от 366 ЕКГ преди сърдечен арест и 200 контролни ЕКГ, беше използвана, за да се определи кога да се спре обучението на модела. Пробите от изследването бяха разделени на ниво пациент, така че множество електрокардиограми от един и същи пациент да могат да бъдат включени в една и съща кохорта.
В сравнение с традиционните ЕКГ модели, DL моделът, базиран на {{0}}формата на вълната на водещата ЕКГ, беше по-точен при идентифицирането на случаите на SCD, с вътрешна кохорта AUROC (мярка за оценка на невронна мрежа) от 0. 889 и външно валидиран AUROC от 0,820 и е по-добър от традиционния ЕКГ рисков резултат. Това е първият доклад, че ЕКГ-базиран DL модел превъзхожда традиционните ЕКГ рискови модели при прогнозиране на извънболнична SCD на ниво общност.