ST段抬高型心肌梗塞 (STEMI) 是最高風險的心血管疾病,如果沒有及時的診斷和血管重建,就會出現永久性的心肌損傷,並可能導致致命的心律失常、心源性休克、穿孔或心臟填塞等不良併發症。因此,為了避免潛在的併發症,改善STEMI患者的臨床預後,必須縮短緊急冠狀動脈介入治療 (PPCI) 的血流再暢通 (D2B, Door to Balloon) 時間。為了加快D2B時間,我們實施了一個全天候的AI檢傷分流系統,包括AI輔助診斷STEMI的心電圖和臨床風險評分 (ASAP) 以識別需要及時進行心電圖檢查的高風險患者。
我們使用的AI檢傷分流系統包括一個結合了卷積神經網路和長短期記憶的AI模型,用於檢測心電圖上的STEMI,以及ASAP評分,用以確定心電圖檢查患者的優先次序。此AI模型是在2907份12導程心電圖上開發的,包括了882份STEMI和2025份非STEMI心電圖。
試用階段,我們納入了154名STEMI患者,其中68人在啟動AI檢傷分流系統期間納入,另外86名患者則在傳統檢傷分流系統期間納入。與傳統組相比,AI組的平均D2B時間從64.5±35.3分鐘明顯縮短到53.2±12.7分鐘 (P=0.0071),98.5% 的D2B時間少於90分鐘。在ASAP評分3分以上的患者中,door-to-ECG的中位時間從30 (IQR: 7-59) 降至6分鐘 (IQR: 4-30, P<0.001)。經由準確度、精確度、召回率、接受者操作特徵曲線下的面積、F1評分、和特異度評估,AI模型在識別急診的21035張心電圖中的總體表現分別為:0.997、 0.802、0.977、0.999、0.881、和0.998。
實施全天候AI的檢傷分流系統,顯著減少了D2B時間,尤其是夜間與假日的D2B時間,也相應地增加了D2B時間少於90分鐘的百分比。此系統在不增加醫護人力的狀況下,可增進STEMI患者接受緊急冠狀動脈介入治療的效率,值得推廣使用。
論文題目 | 出處 | 年份 |
---|---|---|
Usefulness of multi-labelling artificial intelligence in detecting rhythm disorders and acute ST-elevation myocardial infarction on 12-lead electrocardiogram | European Heart Journal | 2021 |
Usefulness of Machine Learning-Based Detection and Classification of Cardiac Arrhythmias With 12-Lead Electrocardiograms | Canadian Journal of Cardiology | 2021 |
Implementation of an All-Day Artificial Intelligence-Based Triage System to Accelerate Door-to-Balloon Times | Mayo Clinic Proceedings | 2022 |
Artificial intelligence-assisted remote detection of ST-elevation myocardial infarction using a mini-12-lead electrocardiogram device in prehospital ambulance care | Frontiers in Cardiovascular Medicine | 2022 |
日期 | 來源 | 標題 |
---|---|---|
2021.11.26 | 醫院官網 | 「中台灣AI救心網」急性心肌梗塞到院前遠距診斷系統,與死神搶時間! |
2021.04.30 | 醫院官網 | 急性心肌梗塞心電圖診斷平台,改善偏鄉醫療決勝院前 |
2021.04.28 | 中時新聞網 | 急性心肌梗塞 AI心電圖消防救護車先診斷 |
2020.10.21 | 華視新聞 | 6旬婦腹痛就醫 AI揪出非典型心肌梗塞 |
2020.10.21 | 自由時報 | 腹痛不止竟是急性心肌梗塞 急診AI及早發現搶通血管救命 |
2020.10.21 | 亞太新聞網 | AI搶救心肌梗塞 人工智慧輔助及時有效治療 |
2020.10.21 | 網路社區報 | AI人工輔助判讀縮短搶救心肌梗塞時間!國內創下32分鐘成功救治紀錄 |