近日，一项来自美国肯塔基大学等联合研究论文表示利用深度神经网络预测 12 导联心电图电压数据的死亡率。以下是论文概述：心电图（ECG）是一种广泛使用的医学测试，通常由从心脏表面记录收集的 12 个电压与时间轨迹组成。在这里，我们假设深度神经网络可以预测 ECG 电压 - 时间轨迹的重要未来临床事件（一年全因死亡率）。我们表现出良好的性能，可以预测一年死亡率，平均 AUC 为 0.85，来自对 1,775,926 个 12 导联静息心电图进行交叉验证的模型，该模型是在 34 年的大型区域卫生系统中收集的。即使在医生解释为「正常」的大部分心电图中（n = 297,548），预测一年死亡率的模型表现仍然很高（AUC = 0.84），而 Cox 比例危险模型显示危险比为 6.6（在 30 年的随访期内，两个预测组（心电图后一年死亡与活着）的 p <0.005）。一项针对三位心脏病专家的盲法调查显示，即使在显示 240 个标记为真阳性（死亡）和真阴性（活着）的配对实例后，模型所捕获的模式通常在视觉上也不明显。研究人员认为，深度学习可以为 12 导联静息心电图的解释添加重要的预后信息，即使在医生解释为「正常」的情况下也能执行任务。