使用人工智能辅助心电图识别性别相关心血管风险：一项回顾性队列研究
背景
在心血管疾病方面，女性常常得不到充分的支持。使用性别作为二分变量进行危险分层，无法捕捉到各性别内部风险的异质性。本研究旨在研发一种人工智能辅助心电图（AI-ECG）模型，以研究不同性别的心血管风险。
方法
本项回顾性队列研究利用12导联心电图（ECG）训练卷积神经网络（convolutional neural network）模型进行性别分类。研究以来自贝斯以色列女执事医疗中心（the Beth Israel Deaconess Medical Center, BIDMC）的二级医疗数据集为建模队列（共计1,163,401份心电图），该数据集由2000年5月至2023年3月美国马萨诸塞州波士顿一家医院中进行临床指示性心电图检查的个人数据组成。数据集的50%用于模型训练，10%用于验证，40%用于测试。外部验证使用英国生物银行数据库（UK Biobank）队列进行，该数据库包括登记时间在2006-2010年、年龄在40-69岁之间的志愿者相关数据（共计42,386份心电图）。研究计算了AI辅助心电图预测性别（连续性数据）与生物学性别（二分类变量）之间的差异，并称之为性别不一致得分（sex discordance score）。
结果
AI辅助心电图能够准确地识别出性别（BIDMC队列的受试者工作特征曲线下面积为0.943 [95% CI：0.942-0.943]，UK Biobank队列为0.971 [0.969-0.972]）。在心电图正常的BIDMC门诊患者中，性别不一致得分的增加与女性群体中协变量调整后心血管死亡风险的增加相关（风险比[HR]=1.78 [95% CI：1.18-2.70]，p=0.006），但在男性群体中无关（1.00 [0.63-1.58]，p=0.996）。在UK Biobank队列中，也出现了同样的情况（女性群体HR=1.33 [95% CI：1.06-1.68]，p=0.015；男性群体HR=0.98 [0.80-1.20]，p=0.854）。在BIDMC队列中，性别不一致得分较高的女性更有可能在未来出现心力衰竭或心肌梗死，并且两个队列中性别不一致得分较高的女性都更多地显示出男性心脏表型（左心室质量及心腔容积增加）与非心脏表型（肌肉质量增加、体脂率降低）。
解释
性别不一致得分可作为一种新型的AI辅助心电图生物标志物，能够帮助识别心血管风险过高的女性。AI辅助心电图有助于筛查出这些女性患者，并从进一步的危险因素调整及监测中获益。
Image Credit: Filo/Getty Images
中文翻译仅供参考，所有内容以英文原文为准。
https://doi.org/10.1016/j.landig.2024.12.003
