这项AI心电图仪(ECG)系统，使用标准的10秒、12导联ECG来检测在心房纤颤的心电图特征。研究将至少有一个房颤或房扑节律ECG的患者定义为房颤的阳性。研究人员计算了内部验证数据集的接收器操作特性曲线的曲线(AUC)下的面积、准确度、灵敏度、特异性和F1评分。
研究包括180922例患者，649931例正常窦性心律心电图，其中训练数据集包括126526例患者，454789例记录；验证集包含18116例患者，64340例记录。3051例(8.4%)患者在模型正常窦性心律心电图检查前证实房颤。单次人工智能心电图显示心房颤动的AUC为0.87，敏感性为79.0%，特异性为79.5%，F1评分为39.2%，总准确率为79.4%。若在心房颤动心电图确诊前31天获得的所有心电图，则模型AUC增加到0.90，敏感性提高到82.3%，特异性提高到83.4%，F1评分提高到45.4%，总体准确性达到83.3%。
研究发现，AI可提高正常窦性心律期间获得房颤特征的识别率。
原始出处：
Zachi I Attia et al. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm： a retrospective analysis of outcome prediction.Lancet. August 01 2019.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Lancet#
83