딥카디오

심방세동(AF)은 합병증 위험이 크지만 기존 방식으로는 조기 발견이 까다로운 대표적인 부정맥입니다. 본 연구는 환자의 심장이 정상적으로 뛰고 있는 동성 리듬(NSR) 상태의 12유도 심전도(ECG) 데이터만으로 발작성 심방세동(PAF)을 미리 찾아내는 딥러닝 알고리즘을 개발했습니다. 총 2,412건의 심전도 데이터를 분석한 결과, 인공지능 모델은 심전도의 QRS 복합파 발생 전 0.24초 구간이 심방세동의 미세한 변화를 감지하는 데 가장 최적인 구간임을 밝혀냈습니다. 개발된 모델을 내외부 데이터로 검증한 결과 최대 0.79의 예측 성능(AUC)과 72% 이상의 높은 진단 정확도를 기록하여, 질환의 증상이 나타나지 않는 평온한 상태에서도 향후 발생할 수 있는 심방세동을 효과적으로 식별할 수 있음을 입증했습니다.

Background & Objective

• Atrial fibrillation (AF) is the most prevalent arrhythmia and is associated with increased morbidity and mortality.

• Its early detection is challenging because of the low detection yield of conventional methods.

• Objective: We aimed to develop a deep learning‑based algorithm to identify AF during normal sinus rhythm (NSR) using 12‑lead electrocardiogram (ECG) findings.

Methods & Key Findings

We developed a new deep neural network to detect subtle differences in paroxysmal AF (PAF) during NSR using digital data from standard 12‑lead ECGs.

• Data Analysis: Raw digital data of 2,412 12‑lead ECGs were analyzed.

• Key Discovery: The artificial intelligence (AI) model showed that the optimal interval to detect subtle changes in PAF was within 0.24 s before the QRS complex in the 12‑lead ECG.

Validation & Model Performance

We allocated the enrolled ECGs to the training, internal validation, and testing datasets in a 7:1:2 ratio. Regarding AF identification, the AI‑based algorithm showed the following values:

Conclusion

The deep learning‑based algorithm using 12‑lead ECG demonstrated high accuracy for detecting AF during NSR.