VUNO(338220)19日表示,其急性心肌梗死筛查人工智能(AI)解决方案"VUNO Med Deep ECG AMI"核心算法相关研究成果已刊载于欧洲心脏病学会官方期刊《数字健康》。
这项题为《利用心电图开发用于识别需再灌注治疗的急性心肌梗死的人工智能模型》的研究,以开发并验证可早期发现急性心肌梗死(AMI)患者中需接受再灌注手术者的深度学习模型为主题。
急性心肌梗死是早期诊断直接关系患者生存率的代表性心血管急症。但在急诊室、救护车、一级医疗机构等医疗基础设施有限的环境中,由于缺乏熟练医务人员和精密设备,早期诊断困难,误诊风险也高。特别是非ST段抬高型心肌梗死(NSTEMI),由于冠状动脉部分闭塞会伴随多种症状,但心电图变化不明显,即使由专科医生判读也难以检出。
为克服这些局限,VUNO研究团队着手开发基于心电图数据、运用自监督学习的Transformer架构深度学习模型。研究团队采用基于Transformer的深度学习模型结构,使AI模型△自行分析心电图数据以学习模式,△随后对模型进行微调以便发现急性心肌梗死。研究团队确认模型性能得到提升,并提出随着训练数据增加还有进一步改善性能的可能性。
研究团队利用全南大学医院数据进行模型开发与评估,并以翰林大学江南圣心医院数据作为外部验证数据集,对AI模型的泛化性能进行回顾性评估,结果显示模型在外部验证数据集上的AUROC达0.968,较既有模型有显著性能提升。在诊断困难的NSTEMI患者群体中也取得0.947的AUROC,提高了临床应用可能性。
VUNO首席技术官(CTO)朱成勋表示,"本次研究显示,通过自监督学习升级的心电图AI解决方案能够帮助医务人员判断,尤其在急救情况下可在挽救患者生命方面发挥重要作用","今后将通过DeepECG解决方案与HATIV产品的联动,专注于技术升级,使医疗可及性较低的环境也能获得简便而准确的早期诊断"。






