基于人工智能增强心电图的新发糖尿病评估

糖尿病具有漫长的无症状期，常多年未被诊断。在本研究中，我们训练了一个深度学习模型，利用12导联心电图和易获取的人口统计学信息来检测新发糖尿病。为此，我们使用了患者同时测量了糖化血红蛋白A1c和心电图的回顾性数据。然而，此类患者可能不能代表完整的患者人群。作为研究的一部分，我们提出了一种方法，通过估计接受A1c检测的概率并对回顾性人群重新加权，以在目标人群中评估我们的模型。我们还改进了一种高效算法，可同时生成心电图信号和人口统计学特征的Shapley值用于模型解释。与当前的筛查工作相比，该模型为早期糖尿病检测提供了一种自动化、更准确的方法。其在可穿戴设备中的潜在应用可促进大规模、社区范围的筛查，改善医疗结果。