44. XÂY DỰNG MÔ HÌNH TRÍ TUỆ NHÂN TẠO TRONG NHẬN DIỆN NGOẠI TÂM THU THẤT TRÊN ĐIỆN TÂM ĐỒ NHỊP XOANG
Nội dung chính của bài viết
Tóm tắt
Mục tiêu: Xây dựng mô hình AI có đủ năng lực tầm soát ngoại tâm thu thất và đánh giá năng lực tầm soát ngoại tâm thu thất của mô hình AI trên các tập dữ liệu ECG tham chiếu.
Phương pháp nghiên cứu: Nghiên cứu hồi cứu trên dữ liệu Holter ECG 24 giờ từ bệnh viện Nguyễn Trãi và bệnh viện Nguyễn Tri Phương từ năm 2021 đến 2024. Việc dán nhãn và phân tích dữ liệu diễn ra từ tháng 10 năm 2024 đến tháng 4 năm 2025. Mô hình AI được xây dựng dựa trên kiến trúc ResNet thuộc về học sâu (deep learning).
Kết quả: Từ 453 bộ dữ liệu Holter ECG, có 643675 ngoại tâm thu thất được thu thập. Tỉ lệ trường hợp có ngoại tâm thu thất dày là 4,0%. Tỉ lệ beat ngoại tâm thu thất couplet, bigeminy và trigeminy lần lượt là 17,0%, 31,8% và 29,1%. Mô hình AI được xây dựng có độ nhạy trên 80%, giá trị tiên đoán dương trên 90% và điểm F1 trên 85% khi thẩm định trên các tập dữ liệu tham chiếu MIT-BIH, AHA và ESC.
Kết luận: Mô hình AI do chung tôi có tiềm năng ứng dụng thực tế để tầm soát hiệu quả ngoại tâm thu thất trên dữ liệu lớn ECG.
Chi tiết bài viết
Từ khóa
Điện tâm đồ, ngoại tâm thu thất, trí tuệ nhân tạo
Tài liệu tham khảo
[2]. Zeppenfeld K, Tfelt-Hansen J, de Riva M, Winkel BG, Behr ER, Blom NA, Charron P, Corrado D, Dagres N, de Chillou C, Eckardt L, Friede T, Haugaa KH, Hocini M, Lambiase PD, Marijon E, Merino JL, Peichl P, Priori SG, Reichlin T, Schulz-Menger J, Sticherling C, Tzeis S, Verstrael A, Volterrani M; ESC Scientific Document Group. 2022 ESC Guidelines for the management of patients with ventricular arrhythmias and the prevention of sudden cardiac death. Eur Heart J. 2022 Oct 21;43(40):3997-4126. doi: 10.1093/eurheartj/ehac262.
[3]. Amoni M, Dries E, Ingelaere S, Vermoortele D, Roderick HL, Claus P, Willems R, Sipido KR. Ventricular Arrhythmias in Ischemic Cardiomyopathy-New Avenues for Mechanism-Guided Treatment. Cells. 2021 Oct 1;10(10):2629. doi: 10.3390/cells10102629.
[4]. Babayiğit E, Ulus T, Görenek B. State-of-the-art look at premature ventricular complex diagnosis and management: Key messages for practitioners from the American College of Cardiology Electrophysiology Council. Turk Kardiyol Dern Ars. 2020 Oct;48(7):707-713. English. doi: 10.5543/tkda.2020.69786.
[5]. Cai Z., Li J., Johnson A.E., Zhang X., Shen Q., Zhang J., Liu C. Rule-based rough-refined two-step-procedure for real-time premature beat detection in single-lead ECG. Physiol. Meas. 2020;41:54001–54004. doi: 10.1088/1361-6579/ab87b4.
[6]. ECG Databases. https://www.physionet.org/physiotools/wag/evnode3.htm. (Accessed on Mar 30, 2025)
[7]. Jung Y., Kim H. Detection of PVC by using a wavelet-based statistical ECG monitoring procedure. Biomed. Signal Process. Control. 2017;36:176–182. doi: 10.1016/j.bspc.2017.03.023.
[8]. Li Q., Liu C., Li Q., Shashikumar S.P., Nemati S., Shen Z., Clifford G.D. Ventricular ectopic beat detection using a wavelet transform and a convolutional neural network. Physiol. Meas. 2019;40:55001–55002. doi: 10.1088/1361-6579/ab17f0.
[9]. Sun X, Yin Y, Yang Q, Huo T. Artificial intelligence in cardiovascular diseases: diagnostic and therapeutic perspectives. Eur J Med Res. 2023 Jul 21;28(1):242. doi: 10.1186/s40001-023-01065-y.
[10]. Koulaouzidis G, Jadczyk T, Iakovidis DK, Koulaouzidis A, Bisnaire M, Charisopoulou D. Artificial Intelligence in Cardiology-A Narrative Review of Current Status. J Clin Med. 2022 Jul 5;11(13):3910. doi: 10.3390/jcm11133910.