[快訊] 蔡炳煌醫師團隊，關於利用 ECG 深度學習技術偵測慢性腎臟病與預測心血管風險之研究，獲 BMC Medical Informatics and Decision Making 刊登！

文章介紹

慢性腎臟病（CKD）已成為全球性的健康負擔，但許多病患甚至醫護人員對其早期徵兆的警覺性仍然偏低。近年來，人工智慧深度學習模型（DLMs）在判讀心電圖（ECG）以診斷各種疾病方面展現了極大潛力，這也為提早偵測慢性腎臟病開啟了新的可能。

蔡炳煌醫師團隊研究分析了 2010 年 1 月至 2020 年 10 月間，共 66587 名有腎絲球過濾率（eGFR）紀錄的門診患者數據。研究團隊利用其中 49632 名患者的 72618 張心電圖來開發深度學習模型。

為了驗證模型的可靠性，研究人員先在 16955 名患者身上進行內部驗證，隨後又在另一家社區醫院的 10476 名患者身上進行外部驗證。研究的主要目標是偵測患者是否患有慢性腎臟病（定義為 eGFR 低於 60 mL / min / 1.73 m²），次要目標則包含死亡率及重大心血管事件。

研究結果顯示，該 AI 模型在內部與外部驗證中的準確度指標（AUC）分別達到 0.885 與 0.861。被模型標記為具有慢性腎臟病風險的患者，臨床上往往也具備較多導致腎病惡化或心血管疾病的危險因子。

在基準點尚未被診斷出腎病的族群中，若 AI 篩檢結果為陽性，未來發生慢性腎臟病的風險會顯著增加。此外，與傳統單純依靠 eGFR 分類相比，這套 AI 模型能更有效地預測中風、心衰竭及心房顫動等不良後果。

研究結論指出，利用心電圖搭配深度學習模型，可以在抽血數據出現異常之前，就協助找出潛在的慢性腎臟病及其併發症高風險群。這種創新方法未來若應用於臨床實務，將有助於落實早期發現與精準的風險管理。

恭喜蔡醫師！

介於 Q1 和 Q2 的期刊，該怎麼思考投稿策略？來看看講師的建議。

期刊介紹

BMC Medical Informatics and Decision Making 創刊於 2001。2024 年 impact factor 為 3.8，在 Medical Informatics 領域排名為 Q2(19/48) 期刊。