Artificial intelligence-enhanced electrocardiography to predict regurgitant valvular heart diseases: an international study
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Valvular heart disease (VHD) is a significant source of morbidity and mortality, though early intervention can improve outcomes. This study aims to develop artificial intelligence-enhanced electrocardiography (AI-ECG) models to diagnose and predict future moderate or severe regurgitant VHDs (rVHDs), including mitral regurgitation (MR), tricuspid regurgitation (TR), and aortic regurgitation (AR). METHODS: The AI-ECG models were developed in a data set of 988 618 ECG and transthoracic echocardiogram pairs from 400 882 patients from Zhongshan Hospital, Shanghai, China. The AI-ECG models used a residual convolutional neural network with a discrete-time survival loss function. External evaluation was performed in outpatients from a secondary care data set from Beth Israel Deaconess Medical Center, Boston, USA, consisting of 34 214 patients with linked echocardiography. RESULTS: In the internal test set, the AI-ECG models accurately predicted future significant MR [C-index 0.774, 95% confidence interval (CI) 0.753-0.792], AR (0.691, 95% CI 0.657-0.720), and TR (0.793, 95% CI 0.777-0.808). In age- and sex-adjusted Cox models, the highest risk quartile had a hazard ratio (HR) of 7.6 (95% CI 5.8-9.9, P < .0001) for risk of future significant MR, compared with the lowest risk quartile. For future AR and TR, the equivalent HRs were 3.8 (95% CI 2.7-5.5) and 9.9 (95% CI 7.5-13.0), respectively. These findings were confirmed in the transnational external test set. Imaging association analyses demonstrated AI-ECG predictions were associated with subclinical chamber remodelling. CONCLUSIONS: This study developed AI-ECG models to diagnose and predict rVHDs and validated the models in a transnational and ethnically distinct cohort. The AI-ECG models could be utilized to guide surveillance echocardiography in patients at risk of future rVHDs, to facilitate early detection and intervention.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».