Studii medicale: electrocardiograma

Un sistem IA de alertă ECG a crescut rata tratamentului hiperkaliemiei severe la pacienții cu risc înalt (HR=2,23), deși rata globală de tratament a dezechilibrelor de potasiu a rămas neschimbată.

Ghid de experți pentru interpretarea anomaliilor ECG incerte la sportivi, oferind algoritmi de evaluare pentru a diferenția adaptările fiziologice de patologiile cardiace cu risc de moarte subită.

Modelele AI-ECG prezic regurgitările valvulare cu acuratețe ridicată, fiind validate pe 435.000 de pacienți, oferind o metodă eficientă pentru screeningul și monitorizarea valvulopatiilor.

Inteligența artificială aplicată pe ECG standard îmbunătățește predicția insuficienței cardiace, identificând pacienți cu risc de 10-20 de ori mai mare față de modelele clinice standard.

Studiul demonstrează că intervalul HV ≥65 ms la studiul electrofizologic prezice superior bradiaritmiile majore în DM1, reclasificând corect 29% din pacienții cu risc înalt față de ECG.

Analiza ECG prin inteligență artificială a crescut sensibilitatea detecției STEMI la 92% și a redus activările false la 7,9%, demonstrând o performanță superioară triajului clinic standard.

Variabilitatea ultrascurtă a ritmului cardiac (15 secunde) anticipează boala Parkinson cu până la 10 ani, oferind un instrument neinvaziv de stratificare a riscului în populația generală.

Studiu de cohortă pe 12.594 pacienți arată că subdenivelarea ST ≥2mm și noul BRS stâng (post-CABG) dublează riscul de deces la 30 de zile, în timp ce alte modificări ECG au semnificație incertă.

Studiul confirmă că extrasistolele ventriculare stângi și epicardice prezic independent riscul de insuficiență cardiacă, cu un HR de 1,59, respectiv 2,98, pe o perioadă de 19,2 ani.

Studiu genetic pe 67 de pacienți identifică o variantă enhancer gain-of-function lângă gena KCNB1 drept cauză a sindromului familial de subdenivelări ST, implicând KCNB1 în aritmogeneza cardiacă.

Un model AI de deep learning detectează cardiomiopatia hipertrofică din imagini ECG cu o acuratețe de 91–95%, validată în 4 centre internaționale, oferind un instrument de screening precoce.

EchoNext, un model de învățare profundă antrenat pe 1 milion de ECG-uri, identifică boala cardiacă structurală cu acuratețe superioară cardiologilor, facilitând screening-ul la scară largă.

Studiul demonstrează că alertele AI-ECG cresc de 1,85 ori prescrierea NOAC de către medicii non-cardiologi pentru pacienții cu fibrilație atrială, reducând disparitățile în calitatea îngrijirii.

ECGFounder este un model de bază pentru ECG antrenat pe 10,77 milioane de înregistrări, demonstrând o performanță de tip expert (AUROC >0,95) pentru 80 de diagnostice cardiovasculare.

Review internațional condus de UMF Iași privind sindroamele ECG rare (Long/Short QT, BRASH, Danon, Naxos etc.), subliniind importanța diagnosticului precoce pentru prevenția morții subite.