목적

단일리드 심전계(mobiCARE-MC100)를 활용하여 정상동리듬(NSR) 심전도에서 심방세동 발생 확률을 추출하는 딥러닝 모델 개발

방법

Data 수집 및 전처리

• 전남대학교병원 순환기내과 및 신경과에 내원 또는 입원한 환자들 중 데이터 수집에 동의한 환자 데이터 수집

• mobiCARE-MC100 심전도 기기를 사용하여 수집하였고, 측정된 심전도의 샘플링 속도는 256hz이며 각 심전도는 약 60초의 단일 리드로 구성됨

• ECG를 10초 단위로 세그먼트하였고, 정상동리듬 형태의 심전도 데이터를 추출하였음 데이터 세트는 각각 6:2:2의 분포 비율을 유지하면서 훈련, 내부 검증, 테스트 세트로 분리하였음

딥러닝 모델 개발 및 검증

• 잠재적 AF를 예측하기 위한 딥러닝 모델로 ResNet, RNN, LSTM 모델을 사용하였음

• 정확도, precision, recall, F1-score, AUC를 측정하여 검증함

결과

• ResNet50은 정상동리듬 심전도에서 심방세동을 예측할 때 79.3%의 recall 65.8%의 precision, 71.9%의 F1-score, 70.5%의 정확도, 0.79의 AUC를 기록하였고, 이 점수는 RNN, LSTM 두 모델의 AUC 점수보다 높은 점수를 보였음.

  
  

• 외부 검증의 경우, ResNet50은 F1-score 64.1%, recall 68.9%, precision 60.0%, 정확도 63.4%, AUC 0.68을 기록하였음

결론

• 본 연구에서는 단일 리드 모바일 심전도 장치를 통해 측정한 심전도 데이터를 사용하여 잠재적 심방세동을 감지하는 AI 모델을 개발하고 그 성능을 검증하였음

• 본 연구에 사용된 데이터와 AI 기술은 잠재적 심장 질환의 조기 예측과 환자 관리를 개선하는 데 효과적으로 활용할 수 있을 것이라는 증거를 제공하였음

원문 보러가기