TL;DR
- چکیده:.
- کسر جهشی بطن چپ پایین (LEF) اغلب تا زمانی که به نارسایی علامتدار قلب نرسد،.
- شناسایی نشده باقی میماند،.
چه اتفاقی افتاد
چکیده:. کسر جهشی بطن چپ پایین (LEF) اغلب تا زمانی که به نارسایی علامتدار قلب نرسد،.
شناسایی نشده باقی میماند،. که بر نیاز به استراتژیهای غربالگری مقیاسپذیر تاکید میکند.
اگرچه الکتروکاردیوگرافی فعال با هوش مصنوعی (AI-ECG) امیدوارکننده است،. رویکردهای موجود تنها به مدلهای جعبه سیاه سرتاسر با قابلیت تفسیر محدود یا سیستمهای جدولی وابسته به الگوریتمهای.
اندازهگیری ECG تجاری با عملکرد کمتر از حد مطلوب متکی هستند. ما LEF مبتنی بر پیشبینیکننده ECG (ECGPD-LEF) را معرفی کردیم،.
یک چارچوب ساختاری که احتمالات تشخیصی مشتقشده از مدل پایه را با مدلسازی قابل تفسیر برای تشخیص LEF. از ECG یکپارچه میکند.
چارچوب ما بر روی مجموعه داده EchoNext معیار شامل 72475 جفت ECG-اکوکاردیوگرام آموزش دیده و در گروههای مستقل. داخلی (5442=n) و خارجی (16017=n) از پیش تعریف شده ارزیابی شده است.
به تبعیض قوی برای LEF متوسط (AUROC داخلی 88. 4 ٪، F1 64.
5 ٪؛ AUROC خارجی 86. 8 ٪، F1 53.
6 ٪)،. بهطور مداوم بهتر از خط پایه رسمیپایان به انتها ارائه شده با معیار در میان گروههای.
جمعیتی و بالینی بهتر عمل میکند. تجزیه و تحلیلهای تفسیرپذیری،.
پیشبینیکنندههای تاثیر بالا،. از جمله ECG طبیعی،.
بلوک ناقص شاخه چپ،. و آسیب ساب اندوکاردیال در لیدهای قدامیجانبی را شناسایی کردند که تخمین خطر LEF را هدایت میکند.
قابلتوجه، این پیشبینیکنندهها بهطور مستقل استنتاج صفر-شات را بدون بازآموزی ویژه کار فعال میکنند (AUROC داخلی 75. 3-81.
0 ٪؛ AUROC خارجی 71. 6-78.
6 ٪)، که نشان میدهد اختلال عملکرد بطنی ذاتاً در بازنماییهای تشخیصی ساختاریافته کدگذاری شده است. این چارچوب عملکرد پیشبینیکننده را با شفافیت مکانیکی تطبیق میدهد،.
و از بهبود مقیاسپذیر از طریق پیشبینیکنندههای اضافی و ادغام یکپارچه با سیستمهای AI-ECG موجود این نسخه. شامل اصلاحات تایپی جزئی است.
نتایج و نتیجه گیریها بدون تغییر باقی میمانند یادگیری ماشین (cs. LG)؛ هوش مصنوعی (cs.
AI)؛ برنامههای کاربردی (stat. AP) استناد بهعنوان: (یا v2 [cs.
LG] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite تاریخچه ارسال از:.
Ya Zhou [مشاهده ایمیل] [v1] دوشنبه،. 30 مارس 2026،.
14:. 55:.
52 UTC (1,. 977 KB) [v2] یکشنبه،.
5 آوریل 2026،. 15:.
40:. 07 UTC (1,.
940 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.