發(fā)布時(shí)間: 2025-04-17 15:53:04
2025年4月7日,Joshua Mayourian 等人在《Lancet Digit Health》雜志上發(fā)表了一篇題為《Electrocardiogram-based deep learning to predict left ventricular systolic dysfunction in paediatric and adult congenital heart disease in the USA: a multicentre modelling study》的文章。該文獻(xiàn)旨在開發(fā)并外部驗(yàn)證一種基于深度學(xué)習(xí)的人工智能增強(qiáng)心電圖(AI-ECG)算法,用于預(yù)測先天性心臟病患者當(dāng)前及未來的左心室收縮功能障礙(Left Ventricular Systolic Dysfunction, LVSD),覆蓋從兒童到成人的全年齡段及多種病變類型,以提供一種經(jīng)濟(jì)、便捷的篩查工具,優(yōu)化臨床決策并改善預(yù)后。
LVSD是先天性心臟病患者發(fā)生心血管事件的獨(dú)立危險(xiǎn)因素,尤其是在復(fù)雜病變患者中與心力衰竭和死亡率顯著相關(guān)。盡管AI-ECG技術(shù)已在普通成年人群中顯示出預(yù)測LVSD的潛力,但其在先天性心臟病患者中的應(yīng)用仍存在重大空白。先天性心臟病患者的心電圖特征因解剖結(jié)構(gòu)異質(zhì)性(如心室形態(tài)異常、術(shù)后改變及起搏器植入等)與普通人群存在顯著差異,導(dǎo)致現(xiàn)有成人模型難以直接推廣。此外,先天性心臟病患者需終身隨訪監(jiān)測心功能,而傳統(tǒng)影像學(xué)檢查(如超聲心動圖)成本高且依賴專業(yè)操作,限制了其在資源有限環(huán)境中的應(yīng)用。
研究數(shù)據(jù)來自美國波士頓兒童醫(yī)院(內(nèi)部隊(duì)列)和費(fèi)城兒童醫(yī)院(外部驗(yàn)證隊(duì)列)。內(nèi)部隊(duì)列納入標(biāo)準(zhǔn)為:截至2023年1月,至少有一次超聲心動圖記錄左心室射血分?jǐn)?shù)(LVEF)的先天性心臟病患者,排除心電圖質(zhì)量不合格(如導(dǎo)聯(lián)脫落或時(shí)長不足10秒)的病例。共納入124265例ECG-超聲心動圖配對數(shù)據(jù)(49158例患者,中位年齡10.5歲,IQR 3.5–16.8),其中3381例(2.7%)LVEF≤40%。外部驗(yàn)證隊(duì)列納入76400例ECG-超聲心動圖配對數(shù)據(jù)(42984例患者,中位年齡10.8歲,IQR 4.9–15.0),LVEF≤40%占1.7%。數(shù)據(jù)均來自MUSE心電圖管理系統(tǒng)(GE Healthcare),LVEF通過超聲心動圖(波士頓中心采用子彈法,費(fèi)城中心采用雙平面Simpson法)或心臟磁共振成像(MRI)獲取。
研究采用卷積神經(jīng)網(wǎng)絡(luò)(CNN)架構(gòu),模型包含殘差塊結(jié)構(gòu)以優(yōu)化特征提取。訓(xùn)練集(占內(nèi)部隊(duì)列70%)通過網(wǎng)格搜索確定超參數(shù),使用Adam優(yōu)化器最小化交叉熵?fù)p失,并采用早停策略防止過擬合。性能評估基于單次隨機(jī)選擇的ECG-超聲心動圖配對數(shù)據(jù),通過受試者工作特征曲線下面積(AUROC)和精確召回曲線下面積(AUPRC)衡量,同時(shí)計(jì)算靈敏度、特異性、陽性預(yù)測值(PPV)和陰性預(yù)測值(NPV)。亞組分析針對不同病變類型(如法洛四聯(lián)癥、心肌病)和年齡層進(jìn)行,并通過Cox比例風(fēng)險(xiǎn)模型評估AI-ECG分類與未來LVSD或全因死亡率的相關(guān)性(調(diào)整年齡因素)。模型可解釋性通過顯著性映射(Saliency Mapping)和中位波形分析,識別關(guān)鍵ECG特征(如V2導(dǎo)聯(lián)深S波)。
基線特征
訓(xùn)練隊(duì)列包括124265對心電圖。中位超聲心動圖LVEF為62.0%(IQR 57.4–66.0),其中124265對心電圖對中有3381對(2.7%)的LVEF為40%或更低。最常見的病變包括法洛四聯(lián)癥(49158例患者中1911例[3.9%])、心肌病(2428 例[4.9%]患者)、房間隔缺損(3516例[7.2%]患者)、主動脈縮窄(2406例[4.9%]患者)和室間隔缺損(5178例[10.5%] 患者)。患病率較低的復(fù)雜病變包括HLHS(450 [0.9%]患者)、L環(huán)TGA(251 [0.5%]患者)和三尖瓣閉鎖(242 [0.5%]患者;表)。465例(0.9%)患者進(jìn)行心室起搏。1478例(3.0%)患者死亡。在內(nèi)部測試隊(duì)列中發(fā)現(xiàn)了類似的病變和結(jié)果細(xì)分,該隊(duì)列由54230對心電圖-超聲心動圖對組成(21068名患者;中位年齡10.9歲[IQR 3.7–17.0];21068名患者中有 9813名[46.6%]為女性,11251名[53.4%]為男性)。70226例患者中有16930例(24.1%)在整個(gè)內(nèi)部隊(duì)列中已知患有先天性心臟病。(表)
模型評估
外部驗(yàn)證隊(duì)列包括76400對心電圖(42984例患者;中位年齡10.8歲 [IQR 4.9–15.0];42984例患者中有19163例[44.6%]為女性,23815例[55.4%]為男性)。外部驗(yàn)證隊(duì)列的中位回聲LVEF略高于訓(xùn)練和內(nèi)部測試隊(duì)列,為64.2%(IQR 60.4–67.2),結(jié)果發(fā)生率較低(1313 [1.7%] 的76400對心電圖,LVEF ≤40%)。一般來說,與內(nèi)部隊(duì)列相比,外部隊(duì)列中每個(gè)病灶和心室起搏患者的患病率較低。在內(nèi)部(AUROC0.95,AUPRC0.33)和外部(AUROC0.96, AUPRC0.25) 測試中,AI-ECG在區(qū)分輕度(LVEF ≤50%)、中度(LVEF ≤40%) 和重度功能障礙(LVEF ≤30%)方面取得了很高的性能。(圖1)
亞組分析
顯示了各機(jī)構(gòu)的低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)臨界值的績效指標(biāo)。在LVEF為40%或更低的低風(fēng)險(xiǎn)臨界值下,NPV至少為99.8%的機(jī)構(gòu)的敏感性約為90%,并且大約90% 的心電圖預(yù)測為陰性。在LVEF為40%或更低的高風(fēng)險(xiǎn)臨界值下,NPV至少為99.5%和PPV為13-20% 的機(jī)構(gòu)的特異性為97-98%。一般來說,對于更復(fù)雜的病變和較低的患病率病變,AI-ECG模型的性能較低,在右座心動癥中的性能最低。在L環(huán)TGA和功能性單心室病變(如HLHS和三尖瓣閉鎖)的機(jī)構(gòu)中取得了中等性能(圖2A)。鑒于這些病變在超聲心動圖上更難確定LVEF,我們還評估了心電圖-心臟MRI對的模型性能。在這組獨(dú)立于主要隊(duì)列的患者中,HLHS、L環(huán)TGA和三尖瓣閉鎖的模型性能再次適中(圖2B)。
評估了初始ECG-超聲心動圖對預(yù)測未來LVSD的預(yù)后價(jià)值(圖3)。相對于低風(fēng)險(xiǎn)患者,在整個(gè)隊(duì)列中(HR 12.1 [95% CI 8.4–17.3];p<0.0001)以及心肌?。?.8 [95% CI 3.4–10.0];p<0.0001)和法洛亞組四聯(lián)癥(8.2 [95% CI 1.7–39.8];p=0.0094)中,高?;颊呶磥鞮VEF的可能性更大。AI-ECG預(yù)測也可以預(yù)測未來的全因死亡率。對每位患者使用單個(gè)隨機(jī)心電圖,與被認(rèn)為低風(fēng)險(xiǎn)的患者相比,心電圖被認(rèn)為高風(fēng)險(xiǎn)的患者更有可能發(fā)生全因死亡率。
模型解釋
進(jìn)行顯著性映射和中位波形分析,以生成驅(qū)動LVSD模型預(yù)測的ECG特征的假設(shè)(圖4)。在整個(gè)測試隊(duì)列中,顯著特征包括V2和V5-V6的QRS波群,以及V6 T波。預(yù)測的LVSD高危特征包括V2深S波和V5-V6高R波,心前區(qū)外側(cè)導(dǎo)聯(lián)T波倒置。在心肌病中,確定了幾乎相同的顯著性和高風(fēng)險(xiǎn)特征。在HLHS中,除了V5-V6中振幅較低的高危R波外,還發(fā)現(xiàn)了類似的顯著性和高風(fēng)險(xiǎn)特征。三尖瓣閉鎖具有與HLHS相似的高風(fēng)險(xiǎn)特征,QRS波群在心前區(qū)導(dǎo)聯(lián)V2-V6中突出。對于Fallot和L環(huán)TGA的四聯(lián)癥,大多數(shù)心前區(qū)導(dǎo)聯(lián)的QRS波群很突出。V2中的深S波也是法洛四聯(lián)癥和L環(huán)TGA的高風(fēng)險(xiǎn),其他高風(fēng)險(xiǎn)特征包括心前區(qū)外側(cè)導(dǎo)聯(lián)的倒置T波和寬QRS波群。
本研究首次全面驗(yàn)證了基于深度學(xué)習(xí)的AI-ECG算法在先天性心臟病患者中預(yù)測LVSD的有效性。該模型在跨中心、跨病變類型及年齡層中均表現(xiàn)穩(wěn)健,能夠識別當(dāng)前功能障礙并預(yù)測未來風(fēng)險(xiǎn),為臨床提供了一種低成本、非侵入性的篩查工具。高風(fēng)險(xiǎn)患者的早期識別可促進(jìn)密切監(jiān)測或提前干預(yù)(如指南導(dǎo)向藥物治療),而低風(fēng)險(xiǎn)患者則可減少不必要的影像學(xué)檢查。模型的可解釋性分析揭示了與LVSD相關(guān)的特異性ECG模式,為病理機(jī)制研究提供了新線索。未來需通過多中心前瞻性試驗(yàn)驗(yàn)證其臨床實(shí)用性,并探索其在資源有限環(huán)境中的應(yīng)用(如基于ECG圖像的模型開發(fā))。這一技術(shù)有望優(yōu)化先天性心臟病患者的終身管理,改善預(yù)后并降低醫(yī)療成本。
上一篇:04.07-04.13 臨床預(yù)測模型研究頂刊快報(bào)
下一篇:人工智能檢測射血分?jǐn)?shù)保留的心力衰竭的外部驗(yàn)證