Benchmarking mortality risk prediction from electrocardiograms

要約

最近の大きな影響力のある研究のいくつかは、病院が所有する大規模な心電図 (ECG) データベースを活用して、患者の死亡率をモデル化し、予測しています。
2023 年 9 月にリリースされた MIMIC-IV は、比較可能な初の公開データセットであり、米国の病院システムからの 800,000 個の ECG が含まれています。
以前は、最大の公開 ECG データセットは Code-15 で、ブラジルでの日常診療中に収集された 345,000 件の ECG が含まれていました。
これらのデータセットは、幅広い視聴者が ECG 生存モデリングを探索するための優れたリソースを提供するようになりました。
ここでは、2 つのニューラル ネットワーク アーキテクチャを使用して Code-15 および MIMIC-IV の生存モデルのパフォーマンスをベンチマークし、4 つの深層生存モデリング アプローチを分類器の出力でトレーニングされた Cox 回帰と比較し、1 ～ 10 年のパフォーマンスを評価します。
私たちの結果は、過去の研究に匹敵する AUROC および一致スコア (約 0.8) と、死亡率に関連する ECG サンプルの割合 (MIMIC-IV) を考慮した妥当な AUPRC スコア (MIMIC-IV: 0.4-0.5、Code-15: 0.05-0.13) をもたらしました。
: 27\%、コード-15: 4\%)。
反対のデータセットでモデルを評価すると、AUROC 値と一致値は 0.1 ～ 0.15 低下しますが、これはコホートの違いが原因である可能性があります。
すべてのコードと結果は公開されています。

要約(オリジナル)

Several recent high-impact studies leverage large hospital-owned electrocardiographic (ECG) databases to model and predict patient mortality. MIMIC-IV, released September 2023, is the first comparable public dataset and includes 800,000 ECGs from a U.S. hospital system. Previously, the largest public ECG dataset was Code-15, containing 345,000 ECGs collected during routine care in Brazil. These datasets now provide an excellent resource for a broader audience to explore ECG survival modeling. Here, we benchmark survival model performance on Code-15 and MIMIC-IV with two neural network architectures, compare four deep survival modeling approaches to Cox regressions trained on classifier outputs, and evaluate performance at one to ten years. Our results yield AUROC and concordance scores comparable to past work (circa 0.8) and reasonable AUPRC scores (MIMIC-IV: 0.4-0.5, Code-15: 0.05-0.13) considering the fraction of ECG samples linked to a mortality (MIMIC-IV: 27\%, Code-15: 4\%). When evaluating models on the opposite dataset, AUROC and concordance values drop by 0.1-0.15, which may be due to cohort differences. All code and results are made public.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google