ECG信号による動脈高血圧の検出のための人工知能に基づく日和見スクリーニング【JST・京大機械翻訳】

Angelaki, E.; Barmparis, G. D.; Kochiadakis, G.; Maragkoudakis, S.; Savva, E.; Kampanieris, E.; Kassotakis, S.; Kalomoirakis, P.; Vardas, P.; Tsironis, G. P.; Marketou, M. E.

プレプリント

J-GLOBAL ID：202202215364099313 整理番号：22P0352364

ECG信号による動脈高血圧の検出のための人工知能に基づく日和見スクリーニング【JST・京大機械翻訳】

Artificial intelligence-based opportunistic screening for the detection of arterial hypertension through ECG signals

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (11件)： , , , , , , , , , ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2022年05月16日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

背景:高血圧は心血管疾患(CVD)の主要な危険因子であり,しばしば診断を逃し,またはいくつかのオフィス訪問によって確認されるべきである。心電図(ECG)は,最も広く用いられている診断ツールの1つであり,患者の初期評価において極めて重要である。方法:著者らは,CVDのない集団における高血圧を検出するための心電図から導かれた機械学習(ML)技術ベースの特徴を使用した。高血圧と正常血圧群に分類した1091人の被験者を登録した。ランダムフォレスト(RF)を訓練し,少数の基本的臨床パラメータおよびECG由来特徴のみに基づく患者における高血圧の存在を予測した。また,ランダムフォレスト予測における各特徴の役割を解釈するために,洗練された特徴重要度解析であるShapley加法説明(SHAP)も計算した。結果:著者らのRFモデルは,正常血圧患者から高血圧を精度84.2%,特異度66.7%,感度91.4%,および受信者動作特性曲線下面積0.86で区別することができた。年齢,ボディマスインデックス(BMI),BMI調整Cornell基準(RaVL+SV3により乗算されたBMI),VLにおけるR波振幅,およびBMI修正Sokolow-Lyon電圧(SV1+RV5によって分割されたBMI)は,著者らのモデルの成功に関して最も重要な身体測定およびECG由来特徴であった。結論:著者らのMLアルゴリズムは,ECG由来および基本的身体測定基準を用いた患者における高血圧の検出に有効である。著者らの知見は,心血管疾患リスクの増加を有する多くの未診断高血圧個人の検出において,新しい層位を開く。キーワード:心電図,高血圧,機械学習。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

循環系の疾患 , 循環系の診断

, , , ,

前のページに戻る