हृदय चालन रेखाओं का महत्वपूर्ण उपयोग

हृदय रोग चीन में मृत्यु का नंबर एक कारण है, हर साल केंद्रीय मूल से 544,{1}} से अधिक अचानक मृत्यु के मामले होते हैं, और जीवनशैली में बदलाव और जनसंख्या की उम्र बढ़ने के साथ इसकी घटना बढ़ रही है। .

 

अचानक हृदय की मृत्यु (एससीडी) हृदय संबंधी कारणों से होने वाली एक अप्रत्याशित मौत है, जो आमतौर पर हृदय रोग के लक्षणों की शुरुआत के एक घंटे के भीतर होती है, जिसमें अचानक चेतना की हानि, हृदय गतिविधि की अचानक समाप्ति और हेमोडायनामिक विफलता होती है, जो आमतौर पर लगातार वेंट्रिकुलर टैचीकार्डिया के कारण होती है। या वेंट्रिकुलर फ़िब्रिलेशन।

 

इसलिए, एससीडी के उच्च जोखिम वाले लोगों की पहचान करने से बीमारी को रोकने में काफी मदद मिल सकती है।

हृदय की विद्युत गतिविधि का पता लगाने के लिए इलेक्ट्रोकार्डियोग्राम (ईसीजी) एक व्यापक रूप से उपयोग की जाने वाली विधि है, और सामान्य नैदानिक ​​मानक रोगी के हृदय स्वास्थ्य का आकलन करने के लिए 12-लीड ईसीजी का उपयोग करता है। रोगी के शरीर को हृदय से जोड़ने वाले एक प्रमुख घटक के रूप में इलेक्ट्रोकार्डियोग्राम उपकरण, कार्डियक संचालन तार इलेक्ट्रोकार्डियोग्राम सिग्नल की गुणवत्ता में महत्वपूर्ण भूमिका निभाता है।

 

दुनिया की अग्रणी वैज्ञानिक पत्रिकाओं में से एक, कम्युनिकेशंस मेडिसिन में प्रकाशित एक नए अध्ययन के अनुसार, एससीडी जोखिम के आकलन के लिए ईसीजी-आधारित डीप लर्निंग मॉडल पारंपरिक ईसीजी जोखिम मॉडल की तुलना में एससीडी मामलों को नियंत्रण समूहों से अधिक सटीक रूप से अलग कर सकता है। इससे चिकित्सकों को मदद मिलेगी एससीडी के लिए उच्च जोखिम वाले लोगों की जांच करें और उनकी पहचान करें, ताकि एससीडी को होने से रोकने के लिए उनका नियमित परीक्षण किया जा सके।

 

 

टीम ने 2,510 एससीडी मामलों के कुल नमूने के साथ, दो भौगोलिक रूप से स्वतंत्र, संभावित, समुदाय-आधारित चल रहे अस्पताल के बाहर एससीडी अध्ययनों से डेटा का उपयोग किया। डीप लर्निंग (डीएल) मॉडल को ओरेगॉन, यूएसए (ओरेगन एसयूडीएस) से 1796 एससीडी अचानक आकस्मिक मृत्यु अध्ययन डेटा पर प्रशिक्षित, मान्य और परीक्षण किया गया था, और वेंचुरा काउंटी, कैलिफोर्निया में बहु-जातीय समुदायों से 714 अचानक मौत भविष्यवाणी अध्ययन डेटा पर बाहरी रूप से मान्य किया गया था। (वेंचुरा प्रेस्टो)। विश्लेषण के लिए उपलब्ध लेड इलेक्ट्रोकार्डियोग्राम के आराम के सभी मामले, जो एससीडी से पहले दर्ज किए गए थे और एससीडी घटनाओं से जुड़े नहीं थे, को अध्ययन में शामिल किया गया था, पेसिंग रिदम, एट्रियल फाइब्रिलेशन या एट्रियल स्पंदन के साथ ईसीजी को छोड़कर। एक डीएल मॉडल बनाएं जिसे साइनस रिदम इलेक्ट्रोकार्डियोग्राम पर लागू किया जा सके।

 

टीम ने एक कनवल्शनल न्यूरल नेटवर्क मॉडल विकसित किया जो 12-लीड ईसीजी तरंगों का उपयोग करके एससीडी मामलों की पहचान करने में सक्षम है। शोधकर्ताओं ने 1,325 व्यक्तियों के 1,342 इलेक्ट्रोकार्डियोग्राम से दो स्वतंत्र नियंत्रण नमूने प्राप्त किए, जिनमें कम से कम 50 प्रतिशत कोरोनरी धमनी रोग था। उन्होंने ओरेगॉन एसयूडीएस से 1076 एससीडी मामलों और कार्डियक अरेस्ट से पहले 1,{8}}लीड ईसीजी, नियंत्रण समूह से 597 एससीडी मामलों और 613 12-लीड ईसीजी का उपयोग करके मॉडल को प्रशिक्षित किया। मॉडल प्रशिक्षण को कब रोकना है, यह निर्धारित करने के लिए 366 प्री-कार्डियक अरेस्ट ईसीजी और 200 नियंत्रण ईसीजी से युक्त एक अलग सत्यापन समूह का उपयोग किया गया था। अध्ययन के नमूनों को रोगी के स्तर के अनुसार विभाजित किया गया था ताकि एक ही रोगी के कई इलेक्ट्रोकार्डियोग्राम को एक ही समूह में शामिल किया जा सके।

 

 

पारंपरिक ईसीजी मॉडल की तुलना में, {{0}}लीड ईसीजी तरंग पर आधारित डीएल मॉडल एससीडी मामलों की पहचान करने में अधिक सटीक था, जिसमें आंतरिक समूह एयूआरओसी (एक तंत्रिका नेटवर्क मूल्यांकन उपाय) 0 था। 889 और बाह्य रूप से मान्य AUROC 0.820, और पारंपरिक ईसीजी जोखिम स्कोर से बेहतर था। यह पहली रिपोर्ट है कि ईसीजी-आधारित डीएल मॉडल सामुदायिक स्तर पर अस्पताल के बाहर एससीडी की भविष्यवाणी करने में पारंपरिक ईसीजी जोखिम मॉडल से बेहतर प्रदर्शन करता है।