Loading...
24 цагийн зүрхний цахилгаан бичлэгийг Хиймэл оюун ухаан ашиглан судалсан үр дүн
Зохиогч
Он
2024 оны арван нэгдүгээр сарын 7
Төрөл
journal article
Journal
Эрүүл мэндийн шинжлэх ухаан
Volume
20
Issue
7
Start Page
218
End Page
223
ISSN
2959-6947
Хураангуй
Үндэслэл: Зүрхний сэрлийг биеийн гадаргад байрлуулсан электрод 24 цагийн ЗЦБ бүхий холболтоор бүртгэж гальванометрийн тусламжтай бичиж Хиймэл оюун ухаан авах аргыг зүрхний цахилгаан бичлэг (ЗЦБ) гэх ба1 зүрхний хэм Хэм алдагдал хэвийн бус болохыг хэм алдагдал.2 Хэм алдагдлыг 24 цагийн ЗЦБГүн мэдрэлийн ийн шинжилгээгээр илрүүлэх боломжтой байдаг.3 Энэхүү арга нь хэм сүлжээ алдагдлыг илрүүлэх олон улсын эмнэлзүйн удирдамжинд тусгагдсан ач Үүлэн технологи холбогдол өндөртэй, өвчтөнд зовуурьгүй, инвазив бус, эрсдэлгүй арга болохыг цөөнгүй судалгаагаар дурьдсан байна.4–6 Зүрх судасны эмч нар 24 цагийн ЗЦБ-ийн тоон өгөгдлийг уламжлалт арга буюу боловсруулах программ ашиглаж боловсруулахад хугацаа их зарцуулдаг, анхаарал шаардсан төвөгтэй ажилд тооцогддог. Мөн алдаа гарах, хэм алдагдлыг орхигдуулах зэрэг хангалтгүй боловсруулагдаж эмчийн ур чадвар, туршлагаас шууд хамаарч байдаг. Өнөө үед хиймэл оюунаар 24 цагийн ЗЦБ-ийг дүн шинжилгээ хийж, боловсруулсан хариунд зүрх судасны эмч хамтарч баталгаажуулах болжээ. Хиймэл оюунд (AI) суурилсан 24 цагийн ЗЦБ бол олон сая тохиолдлуудад сургагдаж, алдаа бага гаргадаг, хэм алдагдлыг илрүүлэх мэдрэг ба өвөрмөц чанар өндөртэй арга болохыг судлаачид онцлон тэмдэглэсэн байна.7,8 Хиймэл оюунд суурилсан 24 цагийн ЗЦБ дүгнэх шинжилгээ манай улсад нэвтэрснээр үүнийг алдаагүй дүгнэх, ховор хэм алдагдлыг илрүүлэх, эмч нарын цагийг хэмнэх зэрэг давуу талтай хэдий ч энэ чиглэлээр хийгдсэн судалгааны ажил олдохгүй байгаа нь энэхүү судалгааг хийх үндэслэл болж байна.9 Зорилго: 24 цагийн ЗЦБ-г уламжлалт платформ болон хиймэл оюун ухаан ашигласан үр дүнг харьцуулан судлах. Арга, аргачлал: Зүрхний хэм алдагдалтай эмчлүүлэгчдэд (n=40) 24 цагийн ЗЦБ-ийг стандарт аргаар BI9900 (Biomedical, Germany, 2023) төхөөрөмжөөр хийж гүйцэтгэв. 24 цагийн ЗЦБ-ийн шинжилгээг орчин үеийн Ecglab (Biomedical, Germany, 2023) программаар боловсруулав. Мөн бичиглэлийг ЗЦБ-т дүн шинжилгээ хийх хиймэл оюунаар (Cardiomatic, Poland 2024) уншуулж тус тус дүгнэв. Боловсруулалтыг SpSS 27.0 (IBM, USA) программаар хийв. Үр дүн: Судалгаанд нийт 40 хүн хамрагдсанаас эрэгтэй 30.8% (n=13), эмэгтэй 69.2% (n=27) байсан бөгөөд дундаж нас 52±33 жил байлаа. Хэм алдагдлыг оношлох уламжлалт аргыг стандарт гэж үзэн хиймэл оюун ухаантай харьцуулахад нийт хэм алдагдлын өвөрмөц чанар spec=91.3%, мэдрэг чанар sens=97.9% байсан ба каппа статистик нь k=0.90 гарсанаар хоёр арга хоорондоо нийцэлтэй байгааг илтгэж байна. Хоёр аргын хэм алдагдлын төрлүүдийг тус бүрт нь илрүүлсэн байдалд боловсруулалт хийхэд ховдлын дээрх хэм алдагдалд мэдрэг чанар Sens=84.2% буюу хангалтгүй, өвөрмөц чанар Spec=100% буюу хангалттай байв. Ховдлын хэм алдагдлын хувьд мэдрэг чанар нь Sens=100% буюу хангалттай боловч өвөрмөц чанар Specificity=71.4% хангалтгүй байлаа. Тосгуурын жирвэгнэх хэм алдагдал, тахикарди, пауз зэрэг хэм алдагдлуудад тус тус мэдрэг чанар Spec=100%, өвөрмөц чанар Sens=100% байсан ба брадикардид мэдрэг чанар Spec=100%, өвөрмөц чанар Sens=91.3% байсан бөгөөд тус хэм алдагдлуудад мэдрэг, өвөрмөц чанар хангалттай байв. Дүгнэлт: Хиймэл оюун ухаанд суурилсан платформ ховдлын хэм алдагдлыг илүүтэй илрүүлж (p<0.001), уламжлалт програм бол артифактыг тосгуурын хэм алдагдалтай (p<0.05) хамт тооцоолж байв. Хиймэл оюун ухаан мэдрэг чанар 92.3%, өвөрмөц чанар 97.9% болж каппа утга 0.90 буй нь уламжлалт программаас давуу тал ихтэй байгаа нь тогтоогдов.
Background: Electrocardiography (ECG) is a method of recording the heart’s rhythm through connection with electrodes placed on the surface of the body with the help of galvanometer.1 Abnormal heart rate is called arrhythmia.2 Arrhythmias can be detected by 24-hour ECG analysis.3 This method It is an important, painless, non-invasive, and risk-free method for the detection of leakage, which is included in the international clinical guidelines.4–6 Cardiologists use traditional methods or processing software to process 24-hour heart rate data, which is considered a complex task that requires a lot of time and attention. In addition, errors and omissions of parameters are insufÏciently processed and directly depend on the skills and experience of the physician. Recently, artificial intelligence has been used to analyze the 24-hour heart rate, and cardiologists have been working together to confirm the results. Artificial intelligence (AI)-based 24-hour ECG is a method trained on millions of data, with low error, high sensitivity and specificity for abnormality detection.7,8 It has many advantages, such as detecting arrhythmias and saving doctors’ time. Therefore, in order to keep pace with the times, this study was conducted using an artificial intelligence-based platform.9 Aim: to compare the results of the 24-hour ECG using a traditional platform and artificial intelligence. Materials and Methods: 24-hour ECG was performed in patients with arrhythmia (n=40) using a standard BI9900 (Biomedical, Germany, 2023) device. The 24-hour ECG data was processed using the modern Ecglab (Biomedical, Germany, 2023) program. Also, the data was analysed by AI ECG analysis artificial intelligence (Cardiomatic, Poland 2024). Processing was done with SpSS 27.0 (IBM, USA). Results: A total of 40 people participated in the research. Among them, 30.8% were men (n=13), 69.2% were women (n=27), and the average age was 52±33. Since there is no specified gold standard for the diagnosis of arrhythmias, the specificity of the total arrhythmia compared to artificial intelligence was 91.3%, sensitivity 97.9%, and the kappa statistic was k=0.90, so the two methods are compatible. indicating that there is When both methods analyzed the types of arrhythmias detected in each case, the sensitivity for supraventricular arrhythmias was Sens=84.2% or inadequate, and the specificity Spec=100% or adequate. For ventricular arrhythmias, the sensitivity was 100% or adequate, but the specificity was inadequate at 71.4%. For arrhythmias such as atrial fibrillation, tachycardia, and pauses, sensitivity 100% and specificity 100%, respectively, and for bradycardia, sensitivity 100% and specificity 91.3% quality was sufÏcient. Conclusion: The AI-based platform detected more ventricular arrhythmias (p<0.001), while the traditional software overestimated artifacts with atrial arrhythmias (p<0.05). The sensitivity of artificial intelligence is 92.3%, the specificity is 97.9%, and the kappa value is 0.90, which is much better than the traditional program.
Нэмэлт мэдээлэл
Бүрэн эх: https://journal.mnums.edu.mn/index.php/emsu/article/view/1170
Эшлэл
Х.Төгөлдөр, Э.Тунгалаг, Х.Чингэрэл, Ц.Сумъяа. 24 цагийн зүрхний цахилгаан бичлэгийг Хиймэл оюун ухаан ашиглан судалсан үр дүн. Эрүүл мэндийн шинжлэх ухаан. 2024;20(7):218-223.