小编发现不少朋友对于 深度学习心电图分析有助于筛查高钾血症 这方面的信息都比较感兴趣，小编就针对 深度学习心电图分析有助于筛查高钾血症 整理了一些相关方面的信息 在这里分享给大家。

根据4月3日发表在《美国医学会杂志》(JAMA Cardiology)上的一项研究，由梅奥诊所的一个团队开发的一种深度学习模型接受了超过150万张心电图的训练，提高了慢性肾脏病(CKD)患者高钾血症的检测率。

高钾血症，异常高的钾水平的患者存在血常见于CKD，资深作者Paul A.弗里德曼，医学博士，心血管医学的梅奥诊所系的患者和同事写道JAMA。血清钾监测可以将高钾血症的风险降低70%以上，但是在临床实践中“指导性监测”被“严重利用”。

作者说：“高钾血症存在时通常是无症状的，并伴有心律不齐和死亡。” “我们试图通过开发和验证使用心电图(ECG)的无创筛查测试来改善CKD患者高钾血症的检测。”

高钾血症与许多ECG异常有关，包括T波峰值，QRS延长和PR缩短，但医生仍难以从ECG诊断高钾血症，其敏感性仅为34%至43%。为了提高这些比率，Friedman及其合作者训练了一个深度卷积神经网络(DNN)，以检测5 mmol / L或更低的血清钾水平，并牢记任何高于该阈值的东西都被视为高钾血症。

研究人员在1994年至2017年之间，使用明尼苏达州罗彻斯特市梅奥诊所的449,380名患者的1,576,581台ECG训练了他们的模型。DNN使用2条和4条ECG导联进行了训练。

该模型的验证涉及从明尼苏达州，佛罗里达州和亚利桑那州的梅奥诊所设施中提取回顾性数据，包括61,965名患有3期或更严重CKD的患者。所有患者在初次ECG的四小时内都有血清钾计数。

弗里德曼(Friedman)等人。研究人员发现，在三个验证集中，高钾血症的患病率从明尼苏达州的6%到佛罗里达州的8%。仅使用两条ECG导联，深度学习模型的曲线下面积(AUC)得出明尼苏达州为0.883，佛罗里达州为0.860，亚利桑那州为0.853。使用90%的灵敏度工作点，明尼苏达州，佛罗里达州和亚利桑那州的灵敏度分别为90.2%，93%和89%;特异性分别为62%，57%和55%。

研究人员写道：“该模型在不同的患者，地域和年份方面都非常强大。” “在高灵敏度的工作点上，深度学习模型作为排除高钾血症的潜在筛查工具表现良好，其负预测值大于99%。”

该团队写道，他们的模型性能优于其他常见的筛查测试，注意到乳腺摄影的AUC为0.78，粪便DNA检测的大肠癌的AUC为0.73。

他们说：“对于具有临床血清钾评估指征的CKD患者，例如采用RAAS(肾素-血管紧张素-醛固酮系统)抑制剂的药物治疗，将人工智能应用于ECG可以实现无创性筛查高钾血症，”他们说。