AI心电图模型如何超越传统标准？2024左室肥厚诊断性能对比

多项研究比较了人工智能模型与经典心电图方法。赵等人的算法优于Cornell电压标准（AUC：0.57）和Sokolow-Lyon电压标准（AUC：0.51）（赵等，2022）。刘等人提出的机器学习算法报告的敏感性、特异性和准确性均优于Cornell电压标准、Sokolow-Lyon、Peguero、Framingham和Gubner标准（刘等，2023）。德·拉·加尔萨-萨拉扎等人提出的两种机器学习算法中，第一种算法的结果优于Romhilt-Estes标准（德·拉·加尔萨-萨拉扎等，2021）。第二种算法的准确性优于Romhilt-Estes、Cornell和Sokolow-Lyon标准（德·拉·加尔萨-萨拉扎等，2021）。几项研究报告称，这些算法的特异性等于或优于经典心电图标准（Khurshid等，2021；Kokubo等，2022；Kwon等，2020；Sparapani等，2019）。对于某些算法，其特异性高于经典心电图标准，而其他研究则未发现显著差异（Rabkin，2024）。值得注意的是，心电图的BART分析与全因死亡率、心血管事件和冠心病事件的风险增加有关，而传统的心电图左室肥厚标准所观察到的关联则较低。