心电图表型分类模型比较及冠脉闭塞关联的探索性研究

《Scientific Reports》：Machine-learning classification of myocardial infarction and ST/T-change ECG phenotypes across complementary evaluation settings

　　

摘要

PTB-XL的主要结局是由心肌梗死和/或ST/T改变诊断超类标签所定义的操作性心电图表型，而非经裁决的活性缺血。公开心电图数据集被统一为10秒、12导联、100赫兹输入。使用患者不重叠的PTB-XL分区，比较了年龄/性别基线、降采样波形逻辑回归模型、紧凑残差网络、MiniRocket–岭回归以及融合模型。在主要保留测试集中，线性波形模型的AUROC/AUPRC为0.649/0.654，残差网络为0.964/0.967，MiniRocket为0.953/0.960。未修改的联合训练MiniRocket模型的探索性子组AUROC分别为：仅心肌梗死0.923，仅ST/T改变0.969，心肌梗死+ST/T改变合并心电图0.998。在PTB诊断心电图数据库中，MiniRocket的AUROC为0.936（95%置信区间，0.899–0.965），AUPRC为0.987（0.977–0.993），而残差网络分别为0.924（0.888–0.954）和0.983（0.972–0.991）；配对分析显示外部区分能力无明显差异。0.5阈值仅作描述性使用，而验证集导出的阈值在外部分析中未作修改直接应用。在STAFF III试验中，51/80配对比较显示模型概率在冠状动脉闭塞期间升高，其变化取决于基线的定义方式。总体而言，该模型对数据集所定义的心电图表型进行了分类，而STAFF III的发现仅支持一种探索性的、依赖于基线定义的控制性闭塞关联。临床评估需要具有裁决结局的代表性队列。