《JACC: Advances》：Validating ECG-based Artificial Intelligence Models for Cardiomyopathy Detection in Obstetric Patients: A Multi-Site International Study
编辑推荐：
摘要背景心肌病对全球范围内的孕妇健康影响重大。人工智能辅助心电图（AI-ECG）已在成人和有限的产科队列中显示出检测左心室收缩功能障碍（LVSD）的有效性；然而，在多样化产科人群中的广泛验证仍未被探索。目的我们的主要目标是验证两个版本的AI-ECG模型在国际产科队列中检测心肌
摘要
背景
心肌病对全球范围内的孕妇健康影响重大。人工智能辅助心电图（AI-ECG）已在成人和有限的产科队列中显示出检测左心室收缩功能障碍（LVSD）的有效性；然而，在多样化产科人群中的广泛验证仍未被探索。
目的
我们的主要目标是验证两个版本的AI-ECG模型在国际产科队列中检测心肌病的性能。
方法
我们开展了一项回顾性多中心研究，涵盖来自四个国家（以色列、尼日利亚、巴基斯坦和美国）11家机构的孕妇或产后（≤12个月）女性。两个AI-ECG模型（FDA批准的v2.5.0版和改进后的v3.0.0版）以超声心动图为对照进行了评估。LVSD定义为左心室射血分数≤40%，与模型的训练目标一致。模型性能通过受试者工作特征曲线下面积（AUROC）进行评估。
结果
我们纳入了1,820名具有配对心电图和超声心动图数据的女性，其中7.3%患有LVSD。模型1（v2.5.0）表现出较强的辨别性能，AUROC为0.865，灵敏度为46.1%，阴性预测值为95.8%。模型2（v3.0.0）显示出显著改善的性能，AUROC为0.925，灵敏度为64.1%，阴性预测值为97.2%（p<0.001），用于LVSD检测。
结论
AI-ECG模型在全球产科队列中表现出强大的外部有效性，基于扩展数据训练的改进模型性能显著提高。这些发现支持AI-ECG作为产科人群中可扩展的LVSD筛查工具的潜在作用，同时强调了在临床应用前进行人群特异性验证的重要性。
Demilade Adedinsewo|Patrick W. Johnson|Carolina Morales-Lara|Maria Vitoria Coutinho|Sabrina D. Phillips|Marc A. Eidelhoch|Michal Cohen-Shelly|Elad Maor|Ariel Furer|Abraham Tsur|Shali Mazaki-Tovi|Kamilu M. Karaye|Bosede Bukola Afolabi|Olusoji Edward Jagun|Sadiq Hassan Ringim|Kehinde Femi Ibiyemi|Okechukwu Samuel Ogah|Sabha Bhatti|Shakeela Naz|Haleema Yasmin|Rickey E. Carter
