前言
心房颤动（AF）是一个日益严重的健康问题。既往基于欧美人群的研究显示，基于人工智能算法和常规心电图数据的房颤预测模型（AI-ECG）可通过窦性心律期间的心电图预测未来房颤的发病风险，模型表现优异。然而，尚未有研究针对亚洲人群开发用于房颤预测的AI-ECG模型。此外，未见有研究比较常规12导联心电图中各单导联对房颤的预测能力。在本次ACC年会上，解放军总医院第六医学中心郭军教授团队发表了一项“Development of artificial intelligence-based 12-lead and single-lead electrocardiogram models to predict atrial fibrillation”研究，旨在采用常规心电图数据开发并验证基于机器学习算法的单导联及12导联房颤预测模型（ML-ECG）。
研究方法
本研究纳入了30 383名年龄在18岁及以上且接受过≥2次ECG检查的患者，共分析了56 283份标准12导联ECG数据。使用ECG特征拟合了多种机器学习模型，并最终选择了表现优异的极限梯度提升机（XGBoost）和随机生存森林（RSF）算法进行模型开发和验证。基于数据驱动的方法划分ECG特征子集，基于RSF和XGBoost算法训练并对比ECG特征子集模型。此外，基于RSF和XGBoost算法训练并对比单导联心电图模型。本研究进一步开发了综合患者年龄、性别和ECG特征的复合模型（ML-ECG-AS）。采用10折交叉验证下的网格化搜索方法对模型进行超参数调整，计算上述模型在训练集中的受试者曲线下面积（AUROC），选择表现最佳的12导联ECG特征子集模型和单导联心电模型。通过拟合校准曲线评估模型的预测发病概率与实际发病概率的一致性。
研究结果
研究结局为研究期间内首次出现房颤诊断的心电图，训练集中有956例患者出现房颤（4.5%），测试集中有414例患者出现房颤（4.5%）。基于XGBoost算法的ECG特征子集模型（XG-ECG）表现最佳。超参数调整后，模型在测试集中的5年AUROC达到0.820（0.793-0.847）（图1）。仅使用年龄和性别的Cox模型（AS）表现中等，AUROC为0.782（0.752-0.812）。基于RSF算法及I导联心电特征的单导联心电模型（RSF-ECG）表现最佳（图2），AUROC为0.752（0.718-0.785）。添加患者年龄及性别的12导联心电复合模型（XG-ECG-AS）和单导联心电复合模型（RSF-ECG-AS）的预测能力显著升高，AUROC分别达到0.841（0.817-0.866）和0.809（0.781-0.837）。XG-ECG、XG-ECG-AS和AS模型的校准斜率分别为1.082、1.063、1.024，模型具有良好的校准性（图1）。
图1. 各房颤预测模型的受试者工作曲线及校准曲线。该图展示了使用患者年龄和性别的Cox比例风险模型（Age & Sex），使用前100个心电图特征的极端梯度提升机（XGBoost）模型（XG-ECG），以及使用前100个心电图特征、年龄和性别的XGBoost模型（XG-ECG-AS）。（A）预测5年房颤风险的受试者工作曲线（ROC）；（B）预测5年房颤风险的校准曲线；（C）不同预测时间窗下的ROC曲线下面积（AUROC）。
图2. 十二个单导联房颤预测模型的受试者工作曲线下面积。该图展示了在感兴趣的时间窗口内，使用每个单导联的随机生存森林（RSF）模型（A）和极端梯度提升机（XGBoost）模型（B）的受试者工作曲线下面积。
研究结论
12导联XG-ECG模型对亚洲人群的未来房颤具有优异的预测能力。单导联RSF-ECG-AS模型表现接近12导联XG-ECG模型，为房颤风险评估提供了可能的简化路径。
专家简介
郭军 教授
解放军总医院第六医学中心
解放军总医院第六医学中心心血管病医学部副主任，主任医师、教授、博士研究生导师。研究方向：冠心病的精准介入治疗；结构性心脏病介入尤其是左心耳封堵术预防心房颤动栓塞手术和相关影像组学。中国医疗保健国际交流促进会心血管分会常务理事兼秘书长、全军高原及寒区医学委员会副主任委员；中华医学会心血管分会结构心脏病学组委员；中国医师协会心血管分会结构心脏病学组委员。承担国家科技部重点专项、军队后勤保健课题、国家科技重大专项子课题。获国家科技进步二等奖，军队医疗成果一等奖，解放军总医院医疗成果一等奖。近5年以第一作者或通信作者发表核心及SCI论文14篇，获得发明专利5项，作为副主编出版专著3部，带领团队研发国内第一款左心耳 CT影像智能分析系统。
陈韬 副教授
解放军总医院第六医学中心
解放军总医院第六医学中心心血管病医学部结构性心脏病科副主任。擅长冠心病精准介入治疗，左心耳封堵预防房颤脑卒中，经皮主动脉瓣膜置换术。尤其擅长左心耳封堵及CTA在左心耳封堵中的应用。先后获“左心耳封堵全国总冠军”及“WATCHMAN左心耳封堵全球带教专家”荣誉称号。2014年以博士后身份赴美国哈佛医院访学，先后入选北京市科技新星，科协青年人才托举计划工程，解放军总医院3+1新秀人才。近5年以第一作者或通信作者发表SCI论文10篇，先后以第一负责人申请国家自然科学青年基金省部级以上基金4项，2024首都卫生发展科研专项1项，中国老年学和老年医学学会青年委员，Frontiers in medicine审稿专家;国家自然基金青年一审专家。
朱晓庆 硕士研究生
解放军总医院第六医学中心
研究方向：机器学习与心房颤动风险预测模型的建立。学位攻读期间，以第一作者或共同第一作者发表核心及SCI文章 2篇，第一作者发表2024年美国心脏病学年会（ACC）摘要1篇。参与国家科技重大专项子课题、军队后勤保健课题、2024首都卫生发展科研专项课题等。
文献：
Zhu X,et al. DEVELOPMENT OF ARTIFICIAL INTELLIGENCE-BASED 12-LEAD AND SINGLE-LEAD ELECTROCARDIOGRAM MODELS TO PREDICT ATRIAL FIBRILLATION. Presented at ACC.24
声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。
（来源：《国际循环》编辑部）
