心电图识别冠状动脉疾病的用途：人工智能模型的交叉验证 - AI与医疗健康

心电图识别冠状动脉疾病的用途：人工智能模型的交叉验证Use of Electrocardiograms to Identify Coronary Artery Disease: Cross-Validation of an Artificial Intelligence Model | JACC: Advances

环球医讯 / AI与医疗健康来源：www.jacc.org美国 - 英语2026-02-01 20:34:47 - 阅读时长2分钟 - 628字

本研究开发了一种人工智能模型，通过分析静息数字12导联心电图预测临床显著冠状动脉疾病，避免了传统有创血管造影的侵入性风险。研究回顾性分析了2019至2021年间16,476名即将接受冠状动脉造影患者的临床数据，采用10折交叉验证方法开发模型。结果显示，在交叉验证队列中模型预测临床显著冠状动脉疾病的阳性预测值达91.7%，阴性预测值为72.8%；在外部验证中阳性预测值为82.5%，阴性预测值提升至88.1%。该深度学习算法成功证明了利用常规心电图进行无创冠状动脉疾病筛查的临床可行性，有望改变心血管疾病的诊断流程，为全球数亿潜在患者提供更便捷、经济的早期筛查手段，同时减轻医疗系统负担。

摘要

背景

目前冠状动脉疾病（CAD）诊断的金标准是有创血管造影；然而，这是一种侵入性手术。因此，我们开发了一种人工智能模型，旨在通过静息数字12导联心电图（ECG）预测显著CAD。

目标

这项回顾性研究评估了该模型在即将接受冠状动脉造影的患者群体中预测临床显著CAD的能力。

方法

2019年至2021年期间，16,476名患者在冠状动脉造影前90天内记录了静息12导联数字心电图。人工智能模型采用10折交叉验证方法开发。临床显著疾病定义为左前降支、左回旋支或右冠状动脉的血管造影直径狭窄≥70%，或左主干冠状动脉狭窄≥50%。随后，我们将该模型应用于外部验证集。

结果

在交叉验证队列中，临床显著CAD的患病率为64.5%；该模型在预测临床显著CAD时，阳性预测值为91.7%（95% CI：89.9%-93.4%），阴性预测值为72.8%（95% CI：69.6%-76.0%），曲线下面积为91.4%（95% CI：89.4%-94.4%）。在外部验证中，临床显著CAD的患病率为36.0%；该模型在预测临床显著CAD时，阳性预测值为82.5%（95% CI：75.9%-89.2%），阴性预测值为88.1%（95% CI：84.0%-92.1%），曲线下面积为92.4%（95% CI：89.7%-95.1%）。