要約
自動 ECG 分析用に設計された現在の深層学習アルゴリズムは、顕著な精度を示しています。
ただし、従来の心電図検査と同様に、それらは狭く焦点を当てている傾向があり、通常は単一の診断状態に対処します。
この探索的研究では、救急部門で収集された唯一の ECG に基づいて、心臓および非心臓放電の両方の多様な診断を予測する単一モデルの機能を特に調査します。
統計的に有意な方法で AUROC スコア 0.8 を超えるという意味で、253 個の心臓 ICD コード、81 個の心臓 ICD コード、および 172 個の非心臓 ICD コードを確実に予測できることがわかりました。
これは、このモデルが心臓および非心臓診断シナリオの幅広い処理に熟練していることを強調しており、多様な医療遭遇に対するスクリーニングツールとしての可能性を示しています。
要約(オリジナル)
Current deep learning algorithms designed for automatic ECG analysis have exhibited notable accuracy. However, akin to traditional electrocardiography, they tend to be narrowly focused and typically address a singular diagnostic condition. In this exploratory study, we specifically investigate the capability of a single model to predict a diverse range of both cardiac and non-cardiac discharge diagnoses based on a sole ECG collected in the emergency department. We find that 253, 81 cardiac, and 172 non-cardiac, ICD codes can be reliably predicted in the sense of exceeding an AUROC score of 0.8 in a statistically significant manner. This underscores the model’s proficiency in handling a wide array of cardiac and non-cardiac diagnostic scenarios which demonstrates potential as a screening tool for diverse medical encounters.
arxiv情報
| 著者 | Nils Strodthoff,Juan Miguel Lopez Alcaraz,Wilhelm Haverkamp |
| 発行日 | 2024-05-13 16:14:53+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google