AI驱动的ECG年龄预测革新早期疾病检测AI-driven ECG age prediction transforms early disease detection

环球医讯 / AI与医疗健康来源:www.news-medical.net美国 - 英语2025-02-10 13:00:00 - 阅读时长5分钟 - 2128字
一项新研究表明,通过AI驱动的心电图(ECG)估计的生物年龄(ECG-BA)可以更准确地预测与衰老相关的疾病风险,如心脏病、阿尔茨海默病和癌症,优于传统的基于实际年龄的预测模型,为个性化医疗提供了新的工具。
AIECG年龄预测早期疾病检测生物年龄实际年龄衰老相关疾病深度学习模型风险分类疾病预测预防医学
AI驱动的ECG年龄预测革新早期疾病检测

一项发表在《npj Aging》杂志上的最新研究评估了人工智能(AI)驱动的心电图(ECG)估计的生物年龄(ECG-BA)是否能比实际年龄(CA)更好地改善与衰老相关疾病的分类风险。这项研究由台北荣民总医院的数据支持,展示了ECG-BA在预测多种疾病方面的重要潜力。

背景

你知道即使是同龄的人,他们的健康结果也可能截然不同吗?衰老对每个人的影响各不相同,有些人保持活跃且无病,而另一些人则可能患上严重疾病。衰老是一个普遍的过程,会导致生理功能下降,增加神经退行性疾病、心血管疾病(CV)、代谢疾病、肌肉骨骼疾病和免疫系统障碍的风险。尽管实际年龄(CA)常用于疾病预测模型中,但它无法捕捉个体之间生物学衰老的差异。为了专注于“健康”人群,该研究排除了患有高血压、糖尿病和心力衰竭等预先存在的条件的个体。

ECG-BA基于生理生物标志物,提供了一种更为个性化的健康状况衡量方法。借助AI,现在可以实时分析ECG信号来估算ECG-BA,从而改进风险分层。五折交叉验证被应用于优化模型性能,以确保结果的稳健性。未来还需要进一步的研究来验证其对不同人群的预测价值。

研究详情

该研究使用了2006年至2017年间从台北荣民总医院收集的ECG记录。最初有51,061份有效的ECG记录,但在应用排除标准后,最终分析了48,783名20至80岁健康个体的数据。研究人员开发了一个深度学习模型,结合了残差网络(ResNet)、挤压-激励网络(SENet)和多任务学习,以从12导联ECG中估算ECG-BA。模型使用Adam优化器进行优化,微调网络权重以提高准确性。国际疾病分类(ICD)代码用于将实际年龄和医疗记录链接起来,将参与者分为与衰老相关的疾病组和对照组。

模型训练涉及五折交叉验证以优化性能。主要评估指标是健康人群中ECG-BA与实际年龄之间的相关性。使用接收者操作特征(ROC)曲线下的面积评估了心血管(CV)和非CV疾病的诊断性能。净重新分类改进(NRI)计算了纳入ECG-BA后风险分类的改进情况。统计分析包括条件逻辑回归,以评估模型在疾病分类中的预测效用。模型的平均绝对误差(MAE)为6.25年,平均绝对百分比误差(MAPE)为15.35%,显示出比以往模型更强的预测准确性。

研究结果

想象一下,只需简单的ECG扫描就能像智能手表监测日常心率活动一样预测未来的健康风险。这项研究表明,ECG-BA是比单独使用实际年龄更早、更准确识别与衰老相关疾病的强大工具。

模型显示ECG-BA与实际年龄之间存在强相关性(R²=0.70,p<0.01)。该模型的预测准确性高于以前的AI基础ECG模型,这些模型具有更大的误差范围。然而,这项技术的真正价值在于它能够在传统症状出现之前识别出患严重疾病风险的人群。

与仅使用实际年龄相比,加入ECG-BA显著提高了冠状动脉疾病(CAD)、中风和心肌梗死(MI)等疾病的风险预测。例如,外周动脉闭塞性疾病(PAOD)的净重新分类改进(NRI)从0.8632提高到0.8653(p<0.01),意味着ECG-BA优化了超出实际年龄的风险分类。癌症风险分类的NRI提高了29%,表明这项技术可以细化医学评估并更有效地针对高危个体。

对于现实世界的影响,考虑癌症检测。早期诊断可能是生与死的区别。研究表明,ECG-BA纠正了21%由实际年龄单独分类错误的情况,减少了错误分类的患者数量。这意味着更多的高危人群可以在早期被识别出来,可能允许及时干预从而挽救生命。

最显著的改进出现在40岁以上的人群中,这强化了在医疗评估中应考虑生物学年龄的观点,而不仅仅是生活了多少年。

尽管在细化疾病预测方面取得了成功,但该模型在预测房颤(AF)和窦房结综合征(SSS)等心律失常相关疾病方面存在局限性。研究指出,心律失常受甲状腺功能亢进、吸烟和生活习惯等因素影响,这可能是ECG-BA对这些疾病效果较差的原因。

然而,对于由生物学衰老驱动的疾病,如阿尔茨海默病(AD)和骨关节炎(OA),这一工具为早期检测和预防保健策略提供了突破性的机会。

随着可穿戴设备上ECG监测的日益普及,这些发现具有深远的影响。然而,研究指出,ECG-BA模型需要进一步验证不同的ECG机器,如飞利浦和GE医疗,因为设备设置的变化可能会影响预测。

想象一个未来,常规ECG不仅检测即时心脏问题,还能提供个人衰老风险评分,帮助人们采取积极措施维护长期健康。

这项研究标志着迈向这一未来的重大一步,证明了ECG-BA可以重塑预防医学和风险评估,最终在全球范围内改善健康结果。

结论

总之,ECG-BA在风险分类方面为与衰老相关的疾病提供了超越实际年龄的额外价值。基于深度学习的模型在预测准确性方面表现出显著改进,特别是在心血管疾病、阿尔茨海默病、骨关节炎和癌症方面。

净重新分类改进(NRI)分析表明,加入ECG-BA可以纠正21%的病例误分类,其中癌症风险预测的最高改进为29%。结果突显了ECG作为系统性衰老的非侵入性、成本效益高的生物标志物的潜力。

然而,研究也强调了需要在多个中心进行验证,以确认其在不同人群和设备平台上的通用性。


(全文结束)

大健康

猜你喜欢

  • 揭示神经干细胞激活动态的新见解揭示神经干细胞激活动态的新见解
  • 新加坡国立大学科学家开发出用于研究肠道微生物与人类疾病关系的逼真“微型肠道”模型新加坡国立大学科学家开发出用于研究肠道微生物与人类疾病关系的逼真“微型肠道”模型
  • 研究确定60岁是背痛疾病风险增加的关键年龄门槛研究确定60岁是背痛疾病风险增加的关键年龄门槛
  • AI驱动的医学为蛇咬治疗带来希望AI驱动的医学为蛇咬治疗带来希望
  • 调查:仅12%的乌干达人每天摄入足够的水果调查:仅12%的乌干达人每天摄入足够的水果
  • 小肠微生物群与体重变化密切相关小肠微生物群与体重变化密切相关
  • 马来西亚:云端管理和AI提升医疗服务马来西亚:云端管理和AI提升医疗服务
  • 韩国首次利用AI诊断罕见视网膜疾病并开具基因疗法处方韩国首次利用AI诊断罕见视网膜疾病并开具基因疗法处方
  • 成人脑中神经干细胞如何激活?成人脑中神经干细胞如何激活?
  • 纤维对健康至关重要纤维对健康至关重要
大健康
大健康

热点资讯

大健康

全站热点

大健康

全站热文

大健康