图片来自网络。
导语
慢性肾脏病(chronickidneydisease，CKD）是指各种原因引起的慢性肾脏结构和功能障碍（肾脏损害病史大于3个月），包括肾肾小球滤过率（GFR）正常和不正常的病理损伤、血液或尿液成分异常，及影像学检查异常，或不明原因GFR下降超过3个月，即为CKD。对于患有CKD的成年人来说，由于肾功能不全会影响钾稳态，因此建议这些患者用肾素-血管紧张素-醛固酮系统（RAAS）抑制剂治疗，保持肾脏和心脏功能，但者同时会抑制肾脏钾分泌，使得CKD患者高钾血症（Hyperkalemia）的风险显着升高。
高钾血症通常是无症状的，但是其与心律失常和死亡紧密相关。高钾血症引起心脏毒性作用，并与一系列明确的心电图异常相关，包括T波峰值，QRS延长和PR缩短。但在临床实践中，医生对高钾血症心电图诊断的敏感性低至34％-43％。
血清钾监测可以将CKD患者的高钾血症风险降低71％以上，然而目前临床上的钾监测仍不完善：多达三分之一服用RAAS抑制剂的患者未接受监测，只有10％左右的患者在使用RAAS抑制剂前后接受钾监测。
因此为了改善CKD患者的高血钾症检测，使用心电图（ECG）进行非侵入性的筛查十分有意义。因此本文的研究者借助深度学习模型（DLM）来尝试有效地排除或筛查CKD患者的高钾血症。
研究简介
论文标题：DevelopmentandValidationofaDeep-LearningModeltoScreenforHyperkalemiaFromtheElectrocardiogram
发表杂志:JAMACardiology（IF：10.）
在线日期：-4-3
作者：ConnerD.Galloway,MSc;AlexanderV.Valys,BS;JacquelineB.Shreibati,MD;DanielL.Treiman,BS;FrankL.Petterson,PhD;VivekP.Gundotra;DavidE.Albert,MD;ZachiI.Attia,MSc;RickeyE.Carter,PhD;SamuelJ.Asirvatham,MD;MichaelJ.Ackerman,MD,PhD;PeterA.Noseworthy,MD;
主要单位:
梅奥诊所心血管内科；
梅奥诊所健康科学研究部;
梅奥诊所肾病和高血压科
图片来自网络。
1引言
对于患有慢性肾脏病（CKD）的患者，高钾血症非常常见，与致命性心律失常相关，并且通常无症状，而指南针对血清钾的监测未得到充分利用。从心电图（ECG）进行无创性高钾血症筛查的深度学习模型可以改善对这种威胁生命的疾病的检测，因此本研究的目的是评价深度学习模型在CKD患者心电图检测高钾血症中的表现。
2实验设计和方法
（1）研究对象：收集年-年，明尼苏达州罗切斯特市梅奥诊所的名患者；
（2）模型训练：使用上述患者的份心电图对一个深度卷积神经网络（DNN）进行了训练。使用2导联（I和II）或4导联（I，II，V3和V5）心电图训练DNN，检测血清钾水平为5.5mEq/L或更低（转换为每升毫摩尔，乘以1）
（3）模型验证：使用梅奥诊所的回顾性数据在明尼苏达州，佛罗里达州和亚利桑那州进行验证。验证包括名患有3期或更高CKD的患者。每位患者在记录心电图后4小时内抽取血清钾。
（4）数据分析：年4月12日-年6月25日之间完成。
3实验结果
（1）ECG性别分布：在例心电图中，例（55％）来自男性。
（2）高钾血症患病率：3个验证数据集中高钾血症的患病率范围为2.6％（n=,;明尼苏达州）-4.8％（n=,;佛罗里达州）。
（3）敏感性：使用ECG导联I和II，深度学习模型的AUC为：明尼苏达州0.（95％CI，0.-0.），佛罗里达州0.（95％CI，0.-0.）和亚利桑那州0.（95％CI，0.-0.）。
（4）使用90％的灵敏度操作结果：
明尼苏达州:敏感性为90.2％（95％CI，8.4％-91.7％），特异性为63.2％（95％CI，62.7％-63.6％）;
佛罗里达州:敏感性为91.3％（95％CI，87.4％-94.3％），特异性为54.7％（95％CI，53.4％-56.0％）;
亚利桑那州:敏感性为88.9％（95％CI，84.5％-92.4％），特异性为55.0％（95％CI，53.7％-56.3％）。
4结论
本研究使用CKD患者的2导联数据，开发和验证DLM检测CKD患者的钾水平，敏感性为0.-0.，灵敏度为88.9％-91.3％，证实将人工智能应用于ECG可以筛查高钾血症，降低CKD患者因为高钾血症而导致的生命危险。单该方法还需要在家庭环境中进行前瞻性验证的筛查试验，以进一步改善肾脏和心脏疾病患者的护理和结果。
参考文献：GallowayCD,ValysAV,ShreibatiJB,etal.DevelopmentandValidationofaDeep-LearningModeltoScreenforHyperkalemiaFromtheElectrocardiogram[J].JAMACardiol,.
备注：文中数据图也均来自该篇文章中。
完
我在医学AI社等您
转载请注明：http://www.dqjph.com/ways/8994.html
