基于图像的人工智能增强心电图预测新发心房颤动
这项研究开发并验证了一种基于图像的人工智能增强心电图方法,用于预测新发心房颤动。研究团队使用了来自贝斯以色列女执事医疗中心的189,539名患者的1,163,401份心电图和英国生物银行的65,610名参与者的70,655份心电图进行模型训练与验证。该图像AI-ECG模型在预测心房颤动方面表现出色,C统计量在主要数据集中达到0.754,在英国生物银行数据集中达到0.723,且在门诊患者、女性和非白种人等关键亚组中保持稳定性能。与传统CHARGE-AF风险评分相比,该模型不仅表现更优,还能提供显著的附加预测价值,特别是在没有数字化心电图基础设施的环境中展现出实用价值,为心房颤动的早期检测和预防提供了新途径。

