npj Digital Medicine· 2026Q1
Yapay Zeka, Elektrokardiyogramlardan Miyokard Enfarktüsü Alt Tiplerini Tespit Ediyor, STEMI Vakalarında Doktorları Geride Bırakıyor
Training and validation of a 12-lead ECG-based deep-learning model for myocardial infarction subtypes
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Derin öğrenme modeli, elektrokardiyogramlardan (EKG) miyokard enfarktüsü (ME) alt tiplerini doğru bir şekilde tanımlayarak, STEMI tespiti için doktor performansını (0.89) aşan 0.96'lık bir AUROC elde etti.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- AME alt tipi tespiti için 173.396 EKG üzerinde eğitilmiş derin öğrenme modeli.
- NSTEMI için 0.81 ve STEMI için 0.96 AUROC elde etti.
- STEMI için doktor yorumunu geride bıraktı (0.96'ya karşılık 0.89 AUROC, p < 0.001).
- Performans, önceki kalp hastalığı olmayan daha genç hastalarda daha iyiydi.
- Model, NSTEMI-Oklüzyon ME vakalarını sıkça kaçırdı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract A convolutional neural network was developed to detect acute myocardial infarction (AMI) subtypes from digital 12-lead ECGs. Trained on 173,396 hospitalized patients’ ECGs, the model underwent fine-tuning and internal validation in 7591 patients and external validation in 4370 patients with suspected AMI. Both prospective validation studies employed central diagnostic adjudication. For non-ST-segment elevation MI (NSTEMI), the model achieved an area under the receiver operating characteristic curve (AUROC) of 0.81 [95%-confidence interval (CI) 0.79–0.83], with NSTEMI type 1 at 0.82 [0.80–0.84] versus type 2 at 0.75 [0.71–0.79]. Performance was superior in younger patients without prior heart disease. For ST-segment elevation MI (STEMI), the model outperformed physician interpretation (AUROC 0.96 [95%-CI 0.94–0.98] vs. 0.89 [0.85–0.93], p < 0.001). Occlusion MI detection reached AUROC 0.91 [95%-CI 0.89–0.93], though NSTEMI-OMI cases were frequently missed. Overall calibration was good for all MI subtypes. This ECG-based deep learning model demonstrates good discrimination and calibration across AMI subtypes, indicating potential clinical utility for rapid risk stratification and early cardiology intervention.
Yazarların özeti; kaynağından alınmıştır. npj Digital Medicine, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Kardiyoloji ve Kardiyovasküler Tıp
Cardiology and Cardiovascular MedicineMedicine