心率校正的QT间期(QTc)延长，无论继发于药物、遗传因素(包括先天性长QT间期综合征)，还是继发于系统性疾病(包括新冠肺炎[COVID-19])，都可导致室性心律失常和心源性猝死。QTc评估和监测很大程度上依赖于12导联心电图。
近日，在《循环》杂志上发表的一篇最新研究长QT间期综合征长QT间期综合征，Giudicessi等研究人员尝试建立并验证了支持人工智能（AI）的12导联心电图算法，以检测QTc，然后在复极异常的人群中对移动ECG（mECG）设备获取的描迹进行前瞻性测试。
采用了来自538200位患者的160万份12导联ECG检查数据，开发并验证了一个深度神经网络（DNN），以采用心脏病专家过度读取的QTc值作为“黄金标准”来预测QTc。此外，还在686例遗传性心脏病（50%存在长QT综合征）患者中前瞻性地测试了该DNN检查临床相关QTc延长的能力。
不同方法预测QTc值的对比
在验证样本中，在专家过度解读的和DNN预测的QTc值之间观察到了很强的一致性（-1.76±23.14 ms）。与此相似的，在遗传性心脏病患者群中的结果也在预期内，DNN根据mECG轨迹预测的QTc值与由QT专家和商业核心ECG实验室解读的12导联ECG结果的差异也很小。
DNN检测QTc的表现
当应用于mECG轨迹时，DNN检测QTc值≥500 ms的能力在曲线下的面积、灵敏度和特异性分别为0.97、80.0％和94.4％。
综上，该研究开发的人工智能DNN可准确识别标准12导联ECG检查的QTc。通过AI支持的mECG设备可能为多种临床环境中获得性和先天性长QT间期综合征的筛查提供了一种经济有效的方法。
原始出处：
John R. Giudicessi, et al. Artificial Intelligence–Enabled Assessment of the Heart Rate Corrected QT Interval Using a Mobile Electrocardiogram Device. Circulation. 2021;143:1274–1286
