38、可解释模型助力心脏疾病鉴别诊断与COVID - 19患者外周灌注评估

可解释模型助力心脏疾病鉴别诊断与COVID - 19患者外周灌注评估

可解释模型用于心脏疾病鉴别诊断

在心脏疾病的诊断中，准确区分扩张型心肌病（DCM）、缺血性心脏病（IHD）和健康对照（HC）是一项具有挑战性的任务。传统的诊断方法往往需要侵入性或难以获取的诊断测试，因此开发可解释的机器学习模型来辅助诊断具有重要意义。

研究方法

1. 研究对象与方案
   • 本研究共纳入488名受试者，分为三组：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患者经过临床评估后入组，年龄大于35岁、有心血管危险因素和/或无DCM家族史的患者接受冠状动脉造影。IHD的评估基于临床、实验室和侵入性检查结果。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。
   • 采用Simpson双平面法测定左心室射血分数（LVEF），使用斑点追踪超声心动图测定整体纵向应变（GLS）。GLS测量使用专用软件离线进行。
2. 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。
   • 提取并标记RR间期，将其分为不重叠的5分钟片段，只有最长异位搏动子序列或最长伪迹子序列不超过10秒的片段才纳入分析。 </