基于人工智能识别心电图的一种低钾血症快速辅助诊断模型
目的 应用人工智能（AI）识别心电图（ECG） ,构建快速无创识别低钾血症模型 。 方法 选取 ２０１７ 年 ９ 月至 ２０１９ 年 ５ 月在南昌大学第二附属医院门诊及住院患者标准十二导联 ECG 和血清钾值 ,根据时间将采集的 ECG 与血清钾标本进行匹配 ,获得 ECG-血钾数据集 。 笔者建立了一个深度学习模型 ,并随机选取 ECG 用以交叉 验证 ,用来评估 ECG 信号筛选低钾血症的性能 。 结果 本研究共应用了 ９ １６１ 对份 ECG ,其中 ,８０％ （７ ４１３ 对份） 用作训练数据集 ,２０％ （１ ７４８ 对份）用作验证数据集 。 结果表现 ,N 末端脑钠素氨基酸前体 ＞ ３００ pg /ml 或血清镁 ＜ ０ ７．５ mmol/L 的患者可能更易患低血钾症 ；血清钾值 ＞ １ 所对应的 ECG 更有可能是低钾 ECG 。 在排除混杂因素 １２ 导联模型的验证集中 ,低钾识别的接受者操作特性曲线下的面积为 ０ ．７９６ ,其诊断的特异性为 ７１ １．％ ；而敏感性 为 ７１ ４．％ 。 结论 AI 识别 ECG 可快速无创且有效地筛选低钾血症 ,其准确性明显高于人工识别 。
- 2021-06-15
- 阅读204
- 下载0
- 5页
- pdf
