摘要
背景
目前冠状动脉疾病（CAD）诊断的金标准是有创血管造影；然而，这是一种侵入性手术。因此，我们开发了一种人工智能模型，旨在通过静息数字12导联心电图（ECG）预测显著CAD。
目标
这项回顾性研究评估了该模型在即将接受冠状动脉造影的患者群体中预测临床显著CAD的能力。
方法
2019年至2021年期间，16,476名患者在冠状动脉造影前90天内记录了静息12导联数字心电图。人工智能模型采用10折交叉验证方法开发。临床显著疾病定义为左前降支、左回旋支或右冠状动脉的血管造影直径狭窄≥70%，或左主干冠状动脉狭窄≥50%。随后，我们将该模型应用于外部验证集。
结果
在交叉验证队列中，临床显著CAD的患病率为64.5%；该模型在预测临床显著CAD时，阳性预测值为91.7%（95% CI：89.9%-93.4%），阴性预测值为72.8%（95% CI：69.6%-76.0%），曲线下面积为91.4%（95% CI：89.4%-94.4%）。在外部验证中，临床显著CAD的患病率为36.0%；该模型在预测临床显著CAD时，阳性预测值为82.5%（95% CI：75.9%-89.2%），阴性预测值为88.1%（95% CI：84.0%-92.1%），曲线下面积为92.4%（95% CI：89.7%-95.1%）。
结论
本研究证明了深度学习人工智能算法分析数字12导联心电图以预测由冠状动脉造影确定的临床显著CAD存在的临床效用。
【全文结束】
