基于心冲击描记法的冠心病心电-机械风险评分

《European Heart Journal - Digital Health》：Electro-Mechanical Risk Score for Coronary Artery Disease Risk Estimation Using Seismocardiography

　　

摘要

背景

冠状动脉疾病（CAD）仍是导致发病的主要原因之一。现有的临床可能性模型往往缺乏特异性，从而导致不必要的诊断性检查。

目标

开发、训练并验证电机械风险（EMR）评分。该机器学习模型利用静息态地震心动图（SCG）记录中的心脏机械信息以及患者层面的临床危险因素，来估计阻塞性冠状动脉疾病的可能性。

方法

本多中心临床研究纳入2,110名成年人。使用胸骨加速度计记录静息态SCG。阻塞性冠状动脉疾病定义为冠状动脉计算机断层血管造影或侵入性冠状动脉造影中显示50%或以上的狭窄。训练一维卷积神经网络以计算EMR评分。使用重复交叉验证和外部中心验证评估模型性能，并与2024年欧洲心脏病学会（ESC）危险因素加权临床可能性（RF-CL）模型进行比较。

结果

在2,110名参与者中（平均[标准差]年龄57.8[10.3]岁；801名女性[38%]），760人患有阻塞性冠状动脉疾病。在有症状人群中，EMR评分的AUC达到0.88，优于RF-CL（AUC 0.85；P = .023），特异性更高（53% vs 35%），敏感性相当（94% vs 97%）。在外部中心验证中，EMR评分的AUC为0.91，敏感性为97.8%，特异性为52.0%，阳性预测值为78.0%，阴性预测值为93.0%。在无症状参与者中，AUC为0.89。EMR评分将队列中23%的人群归类为极低可能性，其中CAD患病率为2%。

结论

EMR评分能够无创地估计阻塞性冠状动脉疾病的可能性，外部中心验证结果支持其在内部交叉验证之外的可推广性。

图形摘要

在新标签页中打开下载幻灯片