新聞通訊員 田娟

華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院心血管內(nèi)科楊曉云主任醫(yī)師和朱紅玲醫(yī)生團隊研究開發(fā)了一種基于深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的心電圖智能診斷模型，不僅提高了心臟肥大/擴大的診斷效能，而且為檢測策略從被動向主動的轉(zhuǎn)變提供了強有力的工具。近日，此項研究成果在國際著名期刊《新英格蘭醫(yī)學(xué)·人工智能》上正式發(fā)表。

心臟肥大/擴大的早期診斷對于預(yù)防心力衰竭、心律失常及猝死至關(guān)重要。傳統(tǒng)的診斷方法，如超聲心動圖和心臟磁共振成像因成本高和設(shè)施限制，難以作為廣泛篩查工具。因此，迫切需要轉(zhuǎn)變當前被動檢測策略為主動積極檢測策略，通過常規(guī)檢查和日常健康監(jiān)測，提高對心臟肥大/擴大及其相關(guān)疾?。ㄈ绺哐獕汉桶昴ば孕呐K病）的檢測率。

研究團隊通過對93,824名患者的112,685份心電圖大數(shù)據(jù)進行深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，開發(fā)了心電圖-Cor-Net模型。該模型通過提取與心臟疾病相關(guān)的波形特征揭示所隱藏的心臟病理信息，模型診斷的平均準確率達到85.1%。這一創(chuàng)新不僅提高了診斷心臟肥大/擴大的準確性，而且為早期進行干預(yù)進而減少心力衰竭和猝死的發(fā)生提供了依據(jù)。

研究團隊比較了該模型與六名心電圖醫(yī)生的診斷成績，采用另一家醫(yī)院和公共數(shù)據(jù)集的外部數(shù)據(jù)來評估其泛化能力。模型診斷水平均高于醫(yī)生水平，平均敏感性提高至醫(yī)生水平的兩倍。這是國內(nèi)外首次在超聲心動圖匹配的心電圖基礎(chǔ)上采用人工智能算法檢測心臟肥大/擴大的研究。

此外，該研究還引入了一種聚合歸因分數(shù)的新方法，探討心電圖導(dǎo)聯(lián)的重要性。研究發(fā)現(xiàn)只需4個導(dǎo)聯(lián)（I、aVR、V1和V5）就可準確地診斷心臟肥大/擴大，診斷結(jié)果與已建立的診斷標準相符。該項研究結(jié)果有望取代傳統(tǒng)的12導(dǎo)聯(lián)心電圖，為設(shè)計便攜式心電設(shè)備、朝著簡化導(dǎo)聯(lián)進行高效心電圖診斷邁出了一步。

研究結(jié)果展示了利用深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)技術(shù)和精簡心電圖導(dǎo)聯(lián)來提高對心臟肥大/擴大診斷效率的潛力，這對未來開發(fā)便攜式健康監(jiān)測設(shè)備提供了新思路。