启用人工智能(AI)的心电图(ECG)可以帮助急诊科的临床医生更准确地识别心力衰竭。
研究发现，AI增强型心电图可以改善急诊急症患者的左心室收缩功能障碍。
“ AI增强型心电图的速度更快，并且优于当前的护理标准测试。我们的结果表明，可以在急诊室更快地识别出高危心脏病患者，并提供了将其尽早与适当的心血管护理联系起来的机会。”研究者Demilade Adedinsewo，MD，MPH，心血管内科的梅奥诊所在佛罗里达州杰克逊维尔的部门主管研究员，在一份声明。
在急诊科临床医生仍无法及时准确地识别出收缩性心力衰竭的情况下，来自各个Mayo诊所的Adedinsewo及其同事寻求确定合并AI-ECG是否可以改善对左心室收缩功能障碍的识别。为此，他们设计了一项回顾性队列研究，研究了2018年5月至2019年2月之间在亚利桑那州，佛罗里达州和明尼苏达州的Mayo诊所以及梅奥诊所卫生系统向急诊室报告的所有呼吸困难的成年患者。
为了纳入分析，患者必须年满18岁，并且在基线访视的24小时内至少进行1次标准的10秒12导联心电图。如果患者事先有已知的心脏收缩，舒张或未明确的心力衰竭诊断，则将其排除。如果患者在急诊就诊后30天内未接受超声心动图检查，则也被排除在外。
最初，研究人员确定了21,309名患者。其中，1606个被包括在当前分析中。人口的中位数年龄为68岁，女性为47%，白人为91%。
该研究的主要结果是通过使用深度学习网络进行心电图检查，在初次就诊后的30天内确定新的左心室收缩功能障碍，定义为左心室射血分数在35%或以下。研究的次要结果是使用相同的方法在30天内确定左心室射血分数小于50%。
研究人员指出，深度学习网络中使用的算法采用了由Keras用Tensorflow训练的卷积神经网络(CNN)。
经过分析，AI-ECG算法在接收器工作特性曲线(AUC)下获得了0.89(95%CI，0.86-0.91)的面积，检测左手的准确性为85.9%(95%CI，84.1-87.6%)心室射血分数在35%以下。结果表明，AI-ECG算法的敏感性，特异性，阴性预测值和阳性预测值分别为74%，87%，97%和40%。