Журнал сосудистой медицины и хирургии

Абстрактный

Машинное обучение 12-канальных электрокардиограмм выявило наследственный риск и уязвимость к мерцательной аритмии

Автар Сингх

Модели искусственного интеллекта (ИИ), применяемые к 12-канальным ЭКГ-волнам, могут предсказывать фибрилляцию предсердий (ФП), наследственную и патологическую аритмию. Мы предположили, что оценка риска на основе ECGAI может иметь генетическую основу. Мы применили модель ECGAI для прогнозирования фибрилляции предсердий на ЭКГ у 39 986 участников биобанка Великобритании без фибрилляции предсердий. Затем мы провели полногеномное ассоциативное исследование (GWAS) прогнозируемого риска фибрилляции предсердий. Три сигнала (P < 5E8) были идентифицированы в установленных локусах чувствительности ФП, отмеченных геномом TTN и генами натриевых каналов SCN5A и SCN10A. Мы также идентифицировали два новых локуса вблизи генов VGLL2 и EXT1. Напротив, GWAS оценки риска из клинических переменных моделей выявил различные генетические профили. Прогнозируемый риск ФП из модели EKGAI зависит от саркомера, ионных каналов и генетической изменчивости, которая предполагает восходящие пути. Модель ECGAI может идентифицировать людей с риском заболевания через определенные биологические пути.