Идентифициране на пациенти и източници на данни
Пациентите на възраст 18 или над, които са подложени на ЕКГ от 12 линии, съхранявани цифрови между декември 2008 г. и 2022 г. в една от осемте болници, свързани в NYP (Медицински център Колумбия Ървинг, Медицински център Уейл Корнел, NYP-Brooklyn Methodist Hospital, болница Nyp-Shower Manhattan, болница NYP-HOSITAL, болница, болница, болница NYP, NYP-WESTER HOIDICES.
Данните от ЕКГ бяха достъпни от системата за управление на данни (GE Healthcare) във всяко заведение. Данните от ЕКГ, които са абстрактни, включват демографска и специфична таблична информация в ЕКГ, включително възраст, пол, атикуларна и камерна нива и белодробна регургитация, интервали на вълната на вълната QR на вълна на QR и базет. Данните във формата на ЕКГ вълната са абстрактни на 250 Hz за 12 проводника на ЕКГ за общо 30 000 точки от данни.
Ехокардиографските данни са достъпни от системите Sygo Dynamics (Siemens Healthineers) и Xcelera (Phillips). ABSTRACTED DATA Included the LVEF, Interventricular Septum and posterior Wall Thicknesses (With the Larger Being Defined AS The Maximum Low Left Ventricular Wall Thickness), qualitative Right Ventricular Systolic Function (Defined as Normal, Mildly Reduced, Moderaly Reduced or Severely Reduced), The Pasp and Maximum Tricuspid Maximum Velocity Regurgitation, The Presence of A Pericardial Effusion (Normalized to A Scale of None Trace, Малка, умерена или голяма) и тежестта на аортната стеноза HCV, аортна регургитация, митрална регургитация, регургитация на трикуспид и (стандартизирана в скала без следа, светлина, умерена или тежка). Леката до умерената HDV е класифицирана като леко заболяване и умерената до тежка HDV е класифицирана като умерено заболяване. Ремонтираните или заменени сърдечни клапани са изключени от набора от данни. Тези данни бяха хармонизирани на всяка ехокардиографска и болнична система за четене с минимум 100 случая, проверени на етикет, за да се потвърди точността на всеки анализ. From these characteristics, we defined the presence or absence of SHD for each echocardiogram using the following binary thresholds: Leve (less than or equal to 45%), maximum maximum left ventricular wall thickness (greater than a reduced reduction or epidus, moderate pulmonary hypertension or at 45, speed or equal to 3.2 ms−1), аортна стеноза (умерена или тежка), аортна регургитация (умерена или тежка), митрална регургитация (умерена или тежка), трикуспидна регургитация (умерена или тежка), белодробна регургитация (умерена или тежка) и значителна перикардиална излив (умерена или голяма). За да бъде етикетиран ЕКГ като “положителен” за заболяване, той трябва да е извършен в рамките на една година преди ехокардиограма с SHD. При пациенти без SHD (потвърдено от поне една “отрицателна” ехокардиограма), всички ЕКГ преди най -новото ехо са били обозначени като отрицателни и включени в проучването. По -късно бяха използвани само ЕКГ с ехо, настъпило по -късно, за да се гарантира, че не се появява ЕКГ след коригиращите процедури, при които не е включен бъдещ ехо, защото те биха грешили.
За да бъде включен в проучването, докладът за ехокардиография трябваше да включва FEVE, мярка за дебелина на стената и съответна находка на клапана. Липсващите данни бяха заредени с помощта на следния процес. За резултатите от клапана, ако се коментира регургитацията или стенозата, другият се смята за нормално (например, ако се съобщава за аортна стеноза, но аортната регургитация не е била, ние не приемем никаква аортна регургитация). Ако това не е изрично коментирано, перикардният излив и белодробната хипертония се смятат за отсъствие.
В допълнение към този основен SHD етикет, вторичен и по -строг разрез беше дефиниран за всяка крайна точка (например LVEF по -малко или равен на 35%), за да отразява “тежък SHD”. Тези съкращения и точността на модела, използващи тези критерии за прекратяване на SHD Graves, са подробно описани в допълнителна информация.
За основния анализ данните от осемте болнични кампуса бяха смесени и разделени от пациента в тренировъчните, валидиращите и тестовите набори (64%, 16%и 20%). Други преживявания са подробно описани в допълнителна информация; Например, използването на алтернативни дялове на данни за поддържане на специфични болници на NYP за оценка на обобщаването. Във всички случаи в обучението бяха използвани няколко двойки ехокардиограми на ЕКГ, но най-новата двойка ЕКГ-ехокардиограма беше избрана за всеки уникален пациент в валидирането и тестовите набори. Това ретроспективно проучване е проведено с одобрението на Колумбийския университет и институционалните изследователски комисии на Вайл Корнел с отказ от съгласието на пациента.
Подробности за модела
Моделът Echonext включва конволюционна невронна мрежа, която приема цифрова форма на ЕКГ вълна при 12 производни, демографски данни от пациенти и таблична информация, специфична за ЕКГ, за да се предвиди наличието или отсъствието на SHD (допълнителна таблица 1). Удължаване на предишната работа3Ние сме формирали ехонекста като многозадачен класификатор, така че отделните терминални клонове на модела да предскажат наличието на композитния SHD етикет и наличието на индивидуален компонент (например присъствието или отсъствието на аортна стеноза), съответно. Подробности за дизайна на модела, хиперпараметри, тестове и оптимизация се обработват в допълнителна информация.
Валидиране на безшумно разгръщане
Тъй като наборът от данни за разработка на модела включваше ECG, придобит през декември 2022 г., по -късно събрахме двойки ЕКГ – Echocardiogram, придобита в NYP NYP NYP на 16 септември 2023 г., като временно различен валидиращ набор. Пациентите, включени в кохортата за развитие, бяха изключени от този анализ.
Потенциално валидиране на Valvenet и Echonext
Преди развитието на Echonext, изследователите на проучването са създали Valvenet, AI-ECG архитектурен модел, образуван за откриване на левия HDV на аортна стеноза, аортна регургитация и митрална регургитация, подмножество на SDH3. За да тестваме капацитета на система, използваща този модел за откриване на клинично значими сърдечни заболявания, ние проектирахме откриването на аортна стеноза, изпитване, отворено за 100 пациенти. Възрастните пациенти са имали право, ако са имали дигитална ЕКГ при 12 производни в Колумбийския университет и нямат история на ехокардиограма през последните 3 години от нашата система, няма история на ляв HDV и никаква деменция или друга болест, ограничаваща живота на сърцето с очаквано оцеляване по -малко от една година. Пациентите, отговарящи на изискванията, са били назначени от своя Valvenet Score (непрекъсната променлива от 0 до 1 със стойност, по -близо до 1, показваща по -висока доверие на модела от VHD) в групи с висока риск (резултат, по -голям или равен на 0.6) или при умерен риск (резултат 0,3 до 0,6). Пациентите с оценки по -малко от 0,3 са били изключени поради много ниско прогнозиран риск от сърдечни заболявания. Предоставените пациенти са претърпели ехокардиограма. Основният критерий за оценка беше умерена или тежка аортна стеноза, аортна регургитация или митрална регургитация. Основният критерий за оценка на вторичната оценка беше SHD, идентичен с етикета Echonext. Резултатите от критично значение се съобщават с пациенти и лекари, а подходящият клиничен мониторинг е координиран от изследователите на изследването за ново диагностицирано заболяване.
Кардиолог разследване
Кардиолозите, лекувани сертифицирани от Съвета на директорите, бяха назначени в Университета в Колумбия за изучаване на човешката точност при откриването на SHD с помощта на ЕКГ. Общо 13 кардиолози са назначени да направят това проучване (JMD, SY, GFR, SRA, QL, CKB, PV, CAW, EMD, VA, M. LeBehn, PNK и SS). Общо 150 ЕКГ са избрани в многоцентричните тестове на NYP, представляващи подобно разпределение на възрастта, и разпространение на SHD към набора от данни. Дигиталният ЕКГ беше достъпен като PDF и името, датата и клиничната интерпретация са изключени от изображението, оставяйки само формата на вълната и мерките за ЕКГ (камерна скорост, интервал на белодробна регургитация, QRS интервал, интервал на вълната на вълната при TT и AX). Възраст (отсечена над 90) и сексът се добавя към всеки ЕКГ. Тези 150 ЕКГ бяха разделени на блокове от 50. Всеки кардиолог получи блок от 50 ЕКГ и беше поканен да отговори на два въпроса за всеки ЕКГ: ако пациентът вероятно ще има SHD (малко вероятно или вероятно). След като завършат всеки блок от 50 ЕКГ, те получиха същите 50 ЕКГ с добавяне на анализ на модела на AI с изхода на модела (0–1) и интерпретацията на модела (по -малко от 0,6 не кохерентен с SHD, по -голям или равен на 0.6, съответстващ на SHD), добавен към изображението. Всеки кардиолог може да допълни до 300 ЕКГ (150 без и 150 с анализи на AI модела). Резултатите от всички кардиолози са групирани за първичен анализ с изчисляване на точността, чувствителността и специфичността, използвайки стандартни методи с 95% от CI за точността, изчислена по метода Clopper – Pearson. Точността на модела Echonext в този набор от данни за ЕКГ 150 се определя с помощта на праг от 0.6. Този метод за сравнение на човешката машина е подобен на типичните методи и това, което преди това използвахме34.35. Клинично нормалните ЕКГ са идентифицирани от доклада за клиничната интерпретация и ефективността е сравнена между нормалните и анормални ЕКГ.
Статистически анализ
Описателна статистика е използвана за описание на данни, използвайки стандартни методи. Изпълнението на Echonext беше оценено с помощта на стандартни мерки, включително AUROC и AUPRC. Докладът за диагностична оценка също се изчислява в операционната точка от 0,5. За всеки статистически тест са генерирани 95% CI, като се използват 1000 прогнози за зареждане. Анализите на подгрупите бяха проведени с помощта на подмножества за възраст, пол, раса и етническа принадлежност. Всички статистически анализи бяха проведени с помощта на Python v.3.8.
Обобщение на докладите
Допълнителна информация за дизайна на научните изследвания е достъпна в обобщението на докладите на портфолиото на природата, свързани с тази статия.