深度学习赋能动态心电图揭示隐匿性传导系统疾病

来自未知机构的研究人员针对间歇性心动过缓难以检测的临床难题，开发了基于深度学习的24小时单导联动态心电图分析系统。该模型通过分析14天动态心电图数据，可准确识别既往窦性停搏≥3秒、≥6秒及完全性心脏传导阻滞等事件，验证集AUC达0.87-0.93，阴性预测值高达97.9-99.9%，为早期诊断传导系统疾病提供了创新工具。

　　

这项突破性研究展示了人工智能在心血管疾病诊断中的卓越潜力。科研团队利用32万份14天单导联动态心电图数据，训练出能"透视"传导系统异常的深度学习模型。该技术的神奇之处在于：仅需分析最后24小时正常节律的心电数据，就能追溯患者过去13天内发生的≥3秒窦性停搏(sinus pause)、≥6秒窦性停搏或完全性心脏传导阻滞(complete heart block)，其预测精度堪比"心电侦探"。

验证结果显示，模型对各类心动过缓事件的识别能力令人惊艳：针对白天≥3秒窦性停搏的曲线下面积(AUC)达0.89，夜间≥6秒事件为0.87，完全性心脏传导阻滞更达到0.93。更妙的是，该模型还能"未卜先知"——仅用最初24小时数据预测未来13天内的风险，综合终点AUC仍有0.88的优异表现。

这项技术为困扰临床的间歇性心动过缓诊断提供了全新解决方案，让那些传统心电图难以捕捉的"幽灵式"心律失常无所遁形。其高达99.9%的阴性预测值意味着，医生可以更自信地排除低风险患者，同时为高风险人群争取宝贵的早期干预时机。这项融合人工智能与心电技术的创新，或将改写传导系统疾病的诊疗范式。