딥카디오

심방세동은 뇌졸중이나 심부전 등을 유발하는 위험한 심혈관 질환이지만, 증상이 간헐적으로 나타나는 발작성 심방세동(PAF)은 짧은 심전도 검사만으로는 발견하기가 매우 어렵습니다. 특히 심장 박동이 정상 리듬(NSR)을 유지하고 있을 때는 환자의 심전도가 건강한 사람과 거의 똑같아 보여서 전문의조차 정확한 진단을 내리기 까다롭습니다.

이를 해결하기 위해 연구진은 정상 리듬 상태의 심전도만으로 숨겨진 발작성 심방세동을 찾아내는 딥러닝 모델인 'TS-ECG'를 개발했습니다. 이 인공지능 모델은 심전도 전체 길이에서 나타나는 전반적인 리듬 특성과 P파(P-wave) 구간의 미세한 특징을 동시에 학습하여 두 그룹을 정확히 분류해 냅니다. 실제 환자와 정상인의 심전도 데이터 약 8,000건을 학습시킨 후 다기관 대학병원 데이터를 통해 검증한 결과, 진단 정확도(AUROC) 0.940이라는 매우 뛰어난 성능을 기록하며 조기 진단 보조 도구로서의 탁월한 가치를 입증했습니다.

Background & Challenge

Atrial fibrillation (AF) is the most common cardiac arrhythmia and can lead to serious complications, such as stroke, systemic embolism, and heart failure. Paroxysmal atrial fibrillation (PAF) is one of the critical AF types that should be detected and managed early.

PAF is diagnosable when a 10-second, 12-lead ECG shows an irregular rhythm. However, early detection faces significant hurdles:

• Low detection yield due to the intermittent and often asymptomatic nature of the condition.

• Difficulty during Normal Sinus Rhythm (NSR): Detecting PAF on ECGs during NSR is especially challenging because the RR interval and P-wave are often similar to those of healthy individuals, making accurate diagnosis even harder.

Our Solution: The TS-ECG Network

In this study, we introduce a deep learning model designed to assist cardiologists in the early diagnosis of PAF during NSR by classifying ECGs into Healthy-NSR ECG and PAF-NSR ECG categories.

We propose the total-sub-length ECG (TS-ECG) network, a deep learning model that simultaneously learns two distinct features manifesting in AF:

• Total-length framework: Focuses on the rhythm characteristics across the entire length of the ECG.

• Sub-length framework: Focuses on learning the subtle P-wave segments.

Data Collection & Verification

• Dataset: We collected 3,591 ECGs from 785 PAF patients and 4,385 ECGs from 1,583 healthy individuals.

• Verification: We verified the performance of the proposed model on ECG data from healthy individuals with no history of AF and from those who experienced PAF during NSR at a multicenter university hospital in South Korea.

Results: Model Performance

On the PAF-NSR test dataset from Inha University Hospital, the model achieved outstanding diagnostic accuracy.

해당 연구의 소스 코드와 상세 영문 초록은 아래에서 확인하실 수 있습니다.

• GitHub Repository: https://github.com/mskim1024/TS-ECG