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.