افتراق معکوس شدن موج T در لیدهای پره کوردیال نوار قلب در آمبولی ریه در مقایسه با سندرم حاد کرونری با استفاده از یادگیری ماشین
Abstract
معکوس شدن موج T یک یافته الکتروکاردیوگرافیک می باشد که مواجهه با آن به طور شایعی هم در افراد بدون علامت و هم در بیماران با شرایط بالینی مختلف شامل سندرم حاد کرونری و آمبولی ریه اتفاق می افتد و افتراق این دو وضعیت بالینی از یکدیگر برای پزشکان بسیار حیاتی است. هوش مصنوعی یکی از تکنیک های جدید برای تشخیص می باشد که می تواند در این زمینه نیز به کار برده شود. از این رو هدف از این مطالعه افتراق مورفولوژی موجT معکوس در لیدهای پره کوردیال بین آمبولی حاد ریه و سندرم حاد کرونر ناشی از تنگی شدید شریان کرونر با استفاده از مدل های یادگیری ماشین می باشد.
روش کار: در این مطالعه صد بیمار با تشخیص قطعی آمبولی ریه (PTE) که در CTآنژیوگرافی عروق ریوی تشخیص داده شده است و صد بیمار با تشخیص قطعی سندرم حاد کرونری بدون بالارفتن قطعه ST با تنگی significantدر عروق کرونر (ACS) که در آنژیوگرافی عروق کرونر تشخیص داده شده است و دارای موج T معکوس در لیدهای پره کوردیال بودند انتخاب شدند. پرسشنامه ای طراحی شده است که اطلاعات دموگرافیک بیماران شامل سن، جنس، بیماری های همراه و یافته های ازمایشگاهی و اکوکاردیوگرافی در آن نوشته شد و سپس نوار قلب این افراد اسکن شده و شاخص های نوار قلب به صورت ورودی الگوریتم و نوع بیماری به صورت خروجی الگوریتم برای یادگیری ماشین تعریف شد. الگوریتم ها با استفاده از داده هاي بیماران آموزش دیده(supervised) و عملكرد آنها بر اساس معیارهایي نظیر صحت، حساسیت و اختصاصیت ارزیابي شد.
یافته ها: نتایج ما نشان داد که برای افتراق مورفولوژی موجT معکوس در لیدهای پره کوردیال بین PTE و ACS بهترین نتایج مربوط به ترتیب Ensemble با میزان صحت 44/84 درصد، حساسیت 96/83 درصد، اختصاصیت 87/84 درصد و نیز F1 score 56/83 درصد، و نیز Neural Network با میزان صحت 84 درصد، حساسیت 14/85 درصد، اختصاصیت 06/83 درصد و نیز F1 score 69/82 درصد بود.