基于光学图的机器学习模型用于房颤预测：华为心脏研究报告

基于光学图的机器学习模型用于房颤预测：华为心脏研究报告

编译者：Lu Yi，医学博士

为了开发，优化和使用基于ML的模型来实时预测高风险人群中的AF情节，院士Chen 和英国利物浦大学的YH Lip教授（通讯作者）进行了深入分析基于心脏研究。该研究发表在该期刊的最新一期中。

该研究是根据注册研究心脏研究（-OOC）进行的。首先，基于光学图（PPG）的智能设备在总人群中进行了AF筛查。根据ML预测的AF攻击模型（M1）进行初步筛查。从469,267个PPG数据中，筛选了554例患者，然后通过优化的基于基于ML的ML的预测房颤发作模型（M2）进一步筛选了50名患有阵发性AF和高风险复发风险的人。将50例患者的监测结果与72小时动态心电图进行了比较。在这50例阵发性AF（平均年龄67±12岁）中，女性40％）总共14,847,356个ECG（来自72小时的动态ECG记录）和6,860 ppg数据（45.83±13.9/患者/患者/ 2,808 AF事件。研究发现，M1模型用于房颤预测的最佳效果发生在开始前4小时与72小时的动态心电图相比型号为81.9％，96.6％，96.4％，83.1％和88.9纤颤分别是研究。

随着智能可穿戴设备的普及，预防和管理房颤的预防和管理的变化将被预防和管理房颤的变化带来这些设备。

参考文献：Guo Y.，Wang H.，Zhang H.等。 “基于：来自心脏研究的A”。 JACC：亚洲2021; 1（3）：399-408。 doi：10.1016/j。 .2021.09.004