38、可解释模型支持鉴别诊断及COVID - 19患者外周灌注评估

可解释模型支持鉴别诊断及COVID - 19患者外周灌注评估

在医学诊断领域，准确的鉴别诊断和对患者生理状态的有效评估至关重要。本文将介绍两个方面的研究，一是利用可解释模型支持扩张型心肌病（DCM）、缺血性心脏病（IHD）和健康对照（HC）的鉴别诊断，二是评估远程光电容积脉搏波描记法（rPPG）和自动毛细血管再充盈时间（aCRT）技术在重症COVID - 19患者外周灌注评估中的应用。

可解释模型支持鉴别诊断

研究方法

• 研究对象与方案 ：共有488名受试者参与研究，分为三组，分别是146名DCM患者（60名女性/86名男性，年龄61±14岁）、182名IHD患者（44名女性/138名男性，年龄73±11岁）和160名HC受试者（80名女性/80名男性，年龄61±17岁）。DCM患者经过临床评估入选，35岁以上、有心血管危险因素和/或无DCM家族史的患者进行冠状动脉造影。IHD的评估基于临床、实验室和有创检查结果，排除有已知危险因素（如酗酒、药物滥用和快速性心律失常）的患者。左心室射血分数（LVEF）采用辛普森双平面法测定，整体纵向应变（GLS）采用斑点追踪超声心动图测定。
• 心率变异性采集与处理 ：所有参与者进行24小时动态心电图（ECG）记录，使用SpiderView动态心电图记录仪，采样率为200 Hz。使用SyneScope分析软件提取并标记RR间期。将RR间期记录划分为不重叠的5分钟片段，仅当最长的异位搏动子序列或最长的伪影子序列不超过10秒时，该片段才纳入分析。对片段进行三次样条插值并以2 Hz重采样，提取线性和非线性心率变异性（HRV）特征。