Sirds vadītspējas līniju svarīga izmantošana
Atstāj ziņu
Sirds un asinsvadu slimības ir galvenais nāves cēlonis Ķīnā — katru gadu tiek reģistrēti vairāk nekā 544 000 pēkšņas nāves gadījumi no centrālās izcelsmes, un to sastopamība pieaug līdz ar dzīvesveida izmaiņām un sabiedrības novecošanos. .
Pēkšņa sirds nāve (SCD) ir neparedzēta nāve no sirdsdarbības cēloņiem, kas parasti notiek vienas stundas laikā pēc sirds slimības simptomu parādīšanās, ko raksturo pēkšņs samaņas zudums, pēkšņa sirdsdarbības pārtraukšana un hemodinamikas mazspēja, ko parasti izraisa pastāvīga ventrikulāra tahikardija. vai kambaru fibrilācija.
Tāpēc, identificējot cilvēkus, kuriem ir augsts SCD risks, var ievērojami novērst slimību.
Elektrokardiogramma (EKG) ir plaši izmantota sirds elektriskās aktivitātes noteikšanas metode, un parastajā klīniskajā standartā tiek izmantota 12-svina EKG, lai novērtētu pacienta sirds veselību. Tā ir galvenā sastāvdaļa, kas savieno pacienta ķermeni ar elektrokardiogrammas instruments, sirds vadītspējas vads spēlē būtisku lomu elektrokardiogrammas signāla kvalitātē.
Saskaņā ar jaunu pētījumu, kas publicēts Communications Medicine, vienā no pasaules vadošajiem zinātniskajiem žurnāliem, uz EKG balstītais dziļās mācīšanās modelis SCD riska novērtēšanai var precīzāk atšķirt SCD gadījumus no kontroles grupām nekā tradicionālais EKG riska modelis. Tas palīdzēs klīnicistiem. pārbaudīt un identificēt cilvēkus, kuriem ir lielāks SCD risks, lai tos varētu regulāri pārbaudīt, lai novērstu SCD rašanos.
Komanda izmantoja datus no diviem ģeogrāfiski neatkarīgiem, perspektīviem, uz kopienu balstītiem, notiekošiem ārpusslimnīcas SCD pētījumiem, kuru kopējais izlasē bija 2510 SCD gadījumi. Dziļās mācīšanās (DL) modeļi tika apmācīti, apstiprināti un pārbaudīti, izmantojot 1796 SCD pēkšņas nejaušas nāves pētījuma datus no Oregonas, ASV (Oregon SUDS), un ārēji apstiprināti, izmantojot 714 pēkšņās nāves prognozēšanas pētījuma datus no daudznacionālajām kopienām Venturas apgabalā, Kalifornijā. (Ventura PRESTO). Pētījumā tika iekļauti visi analīzei pieejamo 12-svina elektrokardiogrammu miera stāvoklī, kas tika reģistrēti pirms SCD un nebija saistīti ar SCD notikumiem, gadījumi, izņemot EKG ar elektrokardiostimulācijas ritmu, priekškambaru fibrilāciju vai priekškambaru plandīšanu a priori. izveidot DL modeli, ko varētu piemērot sinusa ritma elektrokardiogrammām.
Komanda izstrādāja konvolucionālā neironu tīkla modeli, kas spēj identificēt SCD gadījumus, izmantojot 12-svina EKG viļņu formas. Pētnieki ieguva divus neatkarīgus kontroles paraugus no 1342 elektrokardiogrammām no 1325 personām, kurām bija vismaz 50 procenti koronāro artēriju slimības. Viņi apmācīja modeli, izmantojot 1076 SCD gadījumus no Oregonas SUDS un 1,101 12-svina EKG pirms sirds apstāšanās, 597 SCD gadījumus no kontroles grupas un 613 12-svina EKG. Lai noteiktu, kad pārtraukt modeļu apmācību, tika izmantota atsevišķa validācijas grupa, kas sastāvēja no 366 EKG pirms sirds apstāšanās un 200 kontroles EKG. Pētījuma paraugi tika sadalīti pēc pacienta līmeņa, lai vienā un tajā pašā grupā varētu iekļaut vairākas viena pacienta elektrokardiogrammas.
Salīdzinot ar tradicionālajiem EKG modeļiem, DL modelis, kura pamatā ir {{0}}svina EKG viļņu forma, bija precīzāks SCD gadījumu identificēšanā ar iekšējo kohortu AUROC (neironu tīkla novērtēšanas pasākums) 0. 889 un ārēji apstiprināts AUROC 0,820, un tas bija labāks par tradicionālo EKG riska rādītāju. Šis ir pirmais ziņojums, ka uz EKG balstīts DL modelis pārspēj tradicionālos EKG riska modeļus, prognozējot ārpus slimnīcas SCD kopienas līmenī.







