End-to-end Risk Prediction of Atrial Fibrillation from the 12-Lead ECG by Deep Neural Networks

要約

背景: 心房細動 (AF) は、世界中で毎年何百万人もの人々が罹患している最も一般的な不整脈の 1 つであり、脳卒中や心不全などの心血管疾患のリスク増加と密接に関連しています。
機械学習手法は、心電図から心房細動発症のリスクを評価する際に有望な結果を示しています。
私たちは、ブラジルで収集された大規模な CODE データセット上でそのようなアルゴリズムの 1 つを開発し、評価することを目指しています。
結果: ディープ ニューラル ネットワーク モデルは、提示された ECG では AF の兆候はないが、将来 AF を発症するであろう患者を、AUC スコア 0.845 で特定しました。
私たちの生存モデルから、高リスクグループ（つまり、将来の心房細動症例の確率が0.7を超える）の患者は40週間以内に心房細動を発症する可能性が50％高いのに対し、最小リスクグループに属する患者は、
グループ（つまり、将来の心房細動症例の確率が0.1以下であるグループ）は、7年後まで心房細動が起こらない確率が85％以上あります。
結論: 心房細動リスク予測のためのモデルを開発し、検証しました。
このモデルを臨床現場に適用すると、意思決定や患者管理のプロセスにおいて貴重で役立つ情報を提供できる可能性があります。

要約(オリジナル)

Background: Atrial fibrillation (AF) is one of the most common cardiac arrhythmias that affects millions of people each year worldwide and it is closely linked to increased risk of cardiovascular diseases such as stroke and heart failure. Machine learning methods have shown promising results in evaluating the risk of developing atrial fibrillation from the electrocardiogram. We aim to develop and evaluate one such algorithm on a large CODE dataset collected in Brazil. Results: The deep neural network model identified patients without indication of AF in the presented ECG but who will develop AF in the future with an AUC score of 0.845. From our survival model, we obtain that patients in the high-risk group (i.e. with the probability of a future AF case being greater than 0.7) are 50% more likely to develop AF within 40 weeks, while patients belonging to the minimal-risk group (i.e. with the probability of a future AF case being less than or equal to 0.1) have more than 85% chance of remaining AF free up until after seven years. Conclusion: We developed and validated a model for AF risk prediction. If applied in clinical practice, the model possesses the potential of providing valuable and useful information in decision-making and patient management processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google