一项新的人工智能（AI）模型能够通过分析心电图（ECG）来识别女性患者中心脏病风险较高的个体，根据最近发表在《柳叶刀数字健康》杂志上的一项研究。心电图是最常见的全球性医学检查之一，能够记录心脏的电活动。研究表明，这种算法将通过尽早识别出心脏病风险较高的女性患者，从而改善治疗效果。
伦敦帝国理工学院的学术临床讲师Arunashis Sau博士说：“在临床中，我们使用心电图等测试来提供一个快照，但这可能会导致我们将患者按性别分组，而没有考虑到他们的个体生理差异。人工智能增强的心电图为我们提供了对女性心脏健康的更细致的理解。”
据报道，AI-ECG模型中的性别误分类与不良预后有关，但尚不清楚这种误分类是否是模型本身的失败。因此，进行了一项回顾性队列研究，以评估低风险队列中AI-ECG性别误分类的意义。
参与者包括来自贝斯以色列女执事医疗中心（BIDMC）和英国生物银行的两个队列。由于BIDMC队列是医院为基础的，因此其共病情况比英国生物银行队列更多。如果患者没有糖尿病、高血压、心力衰竭、高脂血症、动脉粥样硬化性心血管疾病、吸烟史或心肌梗死，则被认为是健康的。年龄超过40岁、住院患者或已有心血管疾病的患者被认为高风险。
心电图的预处理使用了0.5至100 Hz的带通滤波器、60 Hz的陷波滤波器，并重新采样到400 Hz。在开发模型时，BIDMC队列被视为衍生数据集，数据按患者标识符划分并根据心电图的存在情况进行分层。
为所有心电图生成性别预测，并通过从自我报告的性别中减去所有AI-ECG性别预测的绝对值来计算AI-ECG性别不一致评分。全因死亡和心血管死亡被报告为主要结果，次要结果包括心肌梗死、未来心力衰竭和非心血管死亡。
BIDMC队列中有1,163,401份心电图，涉及189,539名个体，平均随访时间为3.41年。随访期间的死亡率为18.4%，AI-ECG识别性别的受试者工作特征曲线下面积（AUROC）为0.943，表明准确性较高。
高风险队列和有异常的心电图降低了模型的性能。然而，在英国生物银行志愿者队列中验证该模型时，预测性别的准确性仍然很高，AUROC为0.971。
基于两个队列的数据，该模型在性别预测方面具有显著的准确性。在分布的极端情况下，效果最为明显，当性别预测低于0.2或高于0.8时，BIDMC和英国生物银行的准确率分别为93.1%和95.5%。这种准确性不受性别的影响。
研究人员还发现，性别不一致评分与全因死亡率之间存在关联，男性和女性患者的危险比（HRs）分别为1.22和1.17。此外，心血管死亡率和非心血管死亡率的HRs分别为1.20和1.25，以及1.23和1.15。
“利用这种类型的研究潜力可以帮助更好地识别那些未来心脏病风险最高的患者，并减少心脏病护理结果中的性别差距，”伦敦帝国理工学院医疗NHS信托基金的顾问心脏病专家Fu Siong Ng博士说。“然而，单靠一个测试无法实现公平。确保每个人都能在需要时获得适当的医疗服务，需要改变我们医疗系统的每一个部分。”
(全文结束)
