% Grun,迪米特里%鲁道夫,菲利克斯% Gumpfer, Nils % Hannig, Jennifer % Elsner劳拉·K·冯·Jeinsen %,比阿特丽斯%哈姆,基督教Rieth W . %,安德烈亚斯% Guckert,迈克尔%凯勒,直到2021% % D J数字医疗前沿% C % F % G英语% K人工Intelligence1心脏Failure2 diagnos雷竞技rebatis3, ECG4,荟萃分析% Q % 10.3389 R / W fdgth.2020.584555 % % L % M % P % 7% 8 2021 - 2月25日% % # % 9简短的研究报告!人工智能处理在高频心电图% * % < % T识别心脏衰竭在心电图数据与人工智慧荟萃分析% U //www.thespel.com/articles/10.3389/fdgth.2020.584555 % V 2% 0期刊文章% @ 267雷竞技rebat3 - 253 X %简介:心电图(ECG)是一个快速和方便的方法对于心血管疾病的诊断和筛查包括心力衰竭(HF)。人工智能(AI)可用于半自动心电图分析。这个评估的目的是提供一个概述人工智能中使用高频心电信号的检测,执行可用研究的荟萃分析。方法和结果:一个独立的综合搜索PubMed和谷歌学术搜索数据库进行文章处理人工智能的能力来预测基于心电信号的高频。只有原始的文章发表在同行评议期刊被认为是。雷竞技电竞体育竞猜平台总共五个报告包括57027名患者和579134心电图数据集识别包括两组患者的立场数据和三个ECG-based数据集。AI-processed心电图数据区域在接受者操作特征曲线在0.92和0.99之间识别在ECG-based高频高值的数据集。应用随机影响模型中,一个sROC 0.987计算。使用应急表导致诊断优势比从3.44(95%可信区间(CI) = 3.12 - -3.76), 13.61 (95% CI = 13.14 - -14.08)在患者的立场也值较低的数据集。 The meta-analysis diagnostic odds ratio was 7.59 (95% CI = 5.85–9.34).Conclusions: The present meta-analysis confirms the ability of AI to predict HF from standard 12-lead ECG signals underlining the potential of such an approach. The observed overestimation of the diagnostic ability in artificial ECG databases compared to patient-level data stipulate the need for robust prospective studies.