New-Onset Diabetes Assessment Using Artificial Intelligence-Enhanced Electrocardiography

要約

未診断の糖尿病は、糖尿病の成人の 21.4% に存在します。
糖尿病は、スクリーニング率が限られているため、無症候性のまま検出されないことがあります。
この問題に対処するために、アメリカ糖尿病協会 (ADA) リスク テストなどの質問票が、医師や一般市民による使用が推奨されています。
血糖値が心臓の電気生理学に影響を与える可能性があるという証拠に基づいて、人工知能 (AI) で強化された心電図 (ECG) は、新たに発症した糖尿病の成人を特定できるという仮説を立てました。
ニューラル ネットワークをトレーニングして、12 誘導心電図とすぐに利用できる人口統計を使用して HbA1c を推定しました。
心電図と HbA1c データのペアを持つ患者で構成されるデータセットを遡及的に組み立てました。
ECG と HbA1c の両方を受ける患者の集団は、完全な外来患者集団の偏ったサンプルである可能性があるため、より代表的な疑似集団を生成するために各患者の重要度を調整しました。
ECG ベースの評価は ADA リスク テストよりも優れており、より高い曲線下面積 (0.80 対 0.68) と陽性適中率 (13% 対 9%) を達成し、コホートにおける糖尿病の有病率の 2.6 倍であることがわかりました。
AI で強化された ECG は、電気生理学者による ECG の解釈よりも大幅に優れており、このタスクが現在の臨床能力を超えていることを示唆しています。
診療所やウェアラブル デバイスを介した ECG の普及を考えると、このようなツールにより、正確で自動化された糖尿病評価が広く利用できるようになります。

要約(オリジナル)

Undiagnosed diabetes is present in 21.4% of adults with diabetes. Diabetes can remain asymptomatic and undetected due to limitations in screening rates. To address this issue, questionnaires, such as the American Diabetes Association (ADA) Risk test, have been recommended for use by physicians and the public. Based on evidence that blood glucose concentration can affect cardiac electrophysiology, we hypothesized that an artificial intelligence (AI)-enhanced electrocardiogram (ECG) could identify adults with new-onset diabetes. We trained a neural network to estimate HbA1c using a 12-lead ECG and readily available demographics. We retrospectively assembled a dataset comprised of patients with paired ECG and HbA1c data. The population of patients who receive both an ECG and HbA1c may a biased sample of the complete outpatient population, so we adjusted the importance placed on each patient to generate a more representative pseudo-population. We found ECG-based assessment outperforms the ADA Risk test, achieving a higher area under the curve (0.80 vs. 0.68) and positive predictive value (13% vs. 9%) — 2.6 times the prevalence of diabetes in the cohort. The AI-enhanced ECG significantly outperforms electrophysiologist interpretation of the ECG, suggesting that the task is beyond current clinical capabilities. Given the prevalence of ECGs in clinics and via wearable devices, such a tool would make precise, automated diabetes assessment widely accessible.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google