基於人工智能的 ECG 演算法用於預測及定位經血管造影證實的冠狀動脈疾病

Abstract

"冠狀動脈疾病(coronary artery disease, CAD)是由供應心臟肌肉血液的血管 阻塞引起的一種心血管疾病(cardiovascular disease, CVD)。據世界衛生組織 (World Health Organization, WHO)統計，心血管疾病是全球排名第一的死因， 心血管疾病的主要死因之一就是冠狀動脈阻塞引起的急性心肌梗塞(acute myocardial infarction, AMI)。 標準 12 導聯心電圖 (electrocardiography, ECG) 是最廣泛使用的心血管疾病檢 測方法之一，因為其便宜、非侵入性且快速，使其成為心臟內科初始檢查的標準。 此後，醫生會根據這些數據對患者進行適當的治療或更深入的檢查。以冠狀動脈 疾病診斷為例，要診斷和定位冠狀動脈疾病，必須先通過 12 導聯心電圖檢查，再 通過冠狀動脈造影進行確認。冠狀動脈造影又稱心導管手術，是一種侵入性且具 有風險的檢測方式。其他造影方式，如核醫心肌灌注掃描、單光子電腦斷層掃描、 心臟核磁振造影以及冠狀動脈電腦斷層造影，則是需要專門的醫療儀器才能進行， 成本相對高昂，且有輻射暴露的風險。 根據相關研究指出，受過專業訓練的醫師以上述造影方式檢測冠狀動脈疾病 的敏感性以及特異性大約落在 70~95%之間。因此可得知有部分非冠狀動脈疾病 患者需要承擔額外的侵入性檢查風險。而且，在冠狀動脈造影時，由於缺乏阻塞 位置的資訊醫生必須檢查所有冠狀動脈才能確定阻塞位置，此過程將不可避免地 提升風險。 為了解決以上的問題，我們提出了一種基於深度學習模型的基於人工智慧的 心電圖算法，用於預測和定位經血管造影證實的冠狀動脈疾病。我們還構建了一 個用於數據預處理的圖形化使用者界面 (graphical user interface, GUI) 工具。此工 具可以將病人的 ECG 報告轉換為一維時間序列形式或二維圖像形式。藉此醫院的 ECG 報告就可以轉化為人工智能計算的數據，並為醫院發展人工智能技術提供一 個重要的利器。"