可思数据-人工智能媒体资讯平台！

房颤通常是无症状，但与中风、心力衰竭和死亡有关。现有的筛选方法需要长时间的监测，且受成本和效率的限制。近日研究人员考察了AI识别心房颤动患者的潜力。

 

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.