Clinical implementation of an AI-enabled ECG for hypertrophic cardiomyopathy detection
Notice bibliographique
Résumé
BACKGROUND: Hypertrophic cardiomyopathy (HCM) is often underdiagnosed. Artificial intelligence (AI)-based notification of HCM suspicion on a 12-lead ECG has been proposed to assist patient identification and evaluation. However, there has been no study to date to assess clinical implementation of this approach. METHODS: In an open-label, multicentre prospective cohort study, Viz HCM (Viz.ai)-an AI-ECG software alerting of suspected HCM-was implemented at five healthcare systems between January and December 2023 to identify patients >18 years of age without prior HCM diagnosis. The coprimary endpoints were the percentage of HCM-suspected cases viewed by users and the types of follow-up actions. Additional outcome measures included the time to follow-up, demographic characteristics of enrolled patients and follow-up outcomes. RESULTS: Out of 145 848 patients screened with algorithm-compliant ECGs, 4348 (3%) were alerted for suspected HCM. Users viewed 69% (3017/4348) of AI-suspected HCM cases. 217 patients met the study criteria and were enrolled with broad representation across racial and ethnic groups-including 23% Black, 9% Asian and 12% Hispanic or Latino. Of the enrolled patients, 182 (84%) had an indication for a total of 243 follow-up actions. The median (interquartile) time from ECG to diagnostic imaging indicating HCM was 7.5 (1.0-37.2) days. From the 217 enrolled patients, 17 (7.8%) were newly diagnosed with HCM-8 inpatient and 9 outpatient. During the study, deployment of an optimised algorithm operating point helped reduce the alert percentage of algorithm-screened patients from 4.4% (2097/47868) to 2.3% (2251/97980), p<0.0001, with no difference in the enrolment rate by alerts reviewed. CONCLUSION: An AI-based ECG device for HCM can be implemented successfully in a variety of clinical workflows to help identify new patients with HCM. Future study is warranted to assess scalability and comparisons to standard of care.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».