AI心电图模型EchoNext-Mini检测结构性心脏病的真实世界外部验证研究

《European Heart Journal - Digital Health》：Transportability of an AI-ECG Model for Structural Heart Disease: External Validation and Recalibration of Echonext-Mini in MIMIC-IV

　　

摘要

背景

结构性心脏病常被漏诊，而超声心动图受限于可及性和转诊门槛。人工智能心电图可能识别超声心动图定义的结构性心脏病。EchoNext-Mini 是一个已发布的AI-ECG模型，附带基准数据集，可从12导联心电图波形以及年龄、性别和心电图测量值中检测结构性心脏病的复合结局和组成性疾病。

方法

我们将MIMIC-IV中的心电图与随后的经胸超声心动图进行关联，包括心电图在一年内先于合格超声心动图的成人患者，每位患者一例。标签在可用的情况下使用原始阈值映射到结构化超声心动图字段，否则使用协调定义。已发布的模型未经重新训练即应用于该队列及其基准测试集，然后评估其区分度、校准度、重新校准、亚组和标签敏感性。

结果

在45,878名患者中，结构性心脏病患病率为47.2%。复合受试者工作特征曲线下面积为0.790（95%置信区间，0.786至0.794），而基准测试集为0.820。组成值范围从左心室壁厚的0.679到右心室功能障碍的0.837。复合值近乎校准（斜率，0.93），而所有组成概率在两种设置下均高估了风险。从已发布训练患病率中得出的偏移量，无需本地结局数据，在很大程度上修正了这一问题。

结论

EchoNext-Mini迁移到MIMIC-IV后，其复合区分度在已发表的外部验证范围内。组成概率表现为排序分数而非绝对风险，这是已发布模型的特性而非验证设置的问题，在用作风险估计之前需要进行调整。

图形摘要

在新标签页中打开下载幻灯片