深度学习模型利用睡眠期间ECG预测心血管结局
Deep learning model using ECGs during sleep studies can predict cardiovascular outcomes
一项研究使用深度学习模型分析睡眠期间的ECG数据,结合睡眠阶段信息,能预测心血管不良结局风险。模型在15,809名患者数据上训练,性能在其他数据集上验证,保留预测价值即使调整常见风险因素。
原文展示了深度学习在睡眠ECG中预测心血管风险的潜力,读者可了解其临床应用前景。
一个受美国国立卫生研究院(NIH)支持的研究团队发现,在睡眠期间进行的并配合睡眠分期信息的心电图(ECG)可用于确定未来心脏不良事件的风险。这项采用深度学习方法的研究表明,利用心电图预测哪些患者心脏相关不良结局的风险更大,有助于指导临床决策。相关研究结果已发表于期刊 SLEEP 上。
“这种新方法有望在临床症状出现前数年识别出心血管疾病风险人群,”NIH国家心肺血液研究所(NHLBI)代理所长 David Goff 医学博士、哲学博士表示。“评估这些信息是否能改善传统风险预测是重要的下一步。未来,经过验证的分析方法如本研究所示,可作为多种不良心血管结局的筛查工具,整合到正在接受睡眠研究的患者的现有诊断检测中。”
夜间睡眠期间进行的测试,即多导睡眠图,是诊断失眠和阻塞性睡眠呼吸暂停等睡眠障碍的标准方法,而这些障碍被认为是心血管危险因素。这些测试中会记录心电图,但很少对其进行具体分析。本研究的团队希望探索这些记录是否可用于预测 10 年心血管结局(如心房颤动、卒中、心肌梗死和心力衰竭)以及全因死亡的风险。
研究人员应用了一种深度学习系统,该系统结合睡眠研究中的单导联心电图和专家标注的睡眠分期数据。该模型在波士顿麻省总医院 15,809 名患者的数据集上进行了微调,并在两个数据集上评估了性能,这两个数据集分别包含来自亚特兰大埃默里大学医院的 9,810 名患者和来自波士顿贝斯以色列女侍者医学中心的 12,576 名患者。结局数据源自电子健康记录。
团队发现,该模型能够将人群按不同水平的长期心血管风险进行分类,结果显示评分较高者风险更高。在调整了常见心血管危险因素(如年龄、性别、BMI、糖尿病和高血压)以及睡眠相关特征(如睡眠呼吸暂停严重程度、觉醒次数和睡眠效率)后,该深度学习模型仍保留了其预测价值。该模型能够预测心房颤动、心力衰竭和全因死亡。
科学家认为,为了预测心肌梗死和卒中,需要对模型进行进一步优化。总体而言,他们发现从睡眠研究的心电图通道预测心血管结局是一种极具前景的方法。
“重要的是,我们发现将我们深度学习模型的评分加入后,超越了既定风险因素,改善了心脏结局的预测,”研究作者、埃默里大学医学院生物医学信息学系主任、佐治亚理工学院生物医学工程教授加里·克利福德(Gari Clifford,D.Phil.)说。“将这些评分纳入睡眠研究,对于改善心血管疾病早期检测、确定风险最高的人群以及更积极地提供患者护理具有巨大潜力。”
此外,该方法仅使用一个心电导联(即电信号),这使得数据收集比通常的12导联设置更容易。因此,它提供了一种简单的方法来在仅一晚睡眠中收集有用的心电数据,从而通过简单、低成本贴片使该方法高度易于获取。
出版详情
Zuzana Koscova 等,使用整夜多导睡眠图中心电图预测心血管结局,《SLEEP》(2026)。DOI: 10.1093/sleep/zsag229
期刊信息: Sleep
这篇文章背后的编辑是谁?
Gaby Clark
英语硕士学位,自 2021 年起担任文本编辑,拥有高等教育和健康领域内容的经验。致力于提供可靠的科学新闻。 完整简历 →
Andrew Zinin
物理学硕士学位,具有研究经验。多年的科学新闻爱好者。在 Science X 的编辑成功中发挥关键作用。 完整简历 →
引用格式: 用于睡眠研究中的心电图的深度学习模型可预测心血管结局(2026 年 10 月 9 日) 检索日期 2026 年 10 月 9 日 来自 https://medicalxpress.com/news/2026-10-deep-ecgs-cardiovascular-outcomes.html
本文档受版权保护。除为私人学习或研究目的进行的合理引用外,未经书面许可不得复制任何部分。所提供内容仅供信息参考。
来源:Medical Xpress · medicalxpress.com