ECG用于实验室数值预测：全面的生理学与技术分析

arXiv:2610.28507v1 公告类型：new 摘要：实验室检测对于临床决策至关重要，但通常需要进行有创采血。近期研究表明，ECG记录可能包含超出心律的信息，并能够提供与实验室检测值相关的信息。本论文采用多模态深度学习框架，结合ECG记录和患者元数据，研究NT-proBNP的预测，同时考察基于ECG的预测在生理学上的合理性。论文还比较了使用导联II的1导联配置与相应的12导联配置。附录中还介绍了针对葡萄糖、血红蛋白和钾的额外实验。研究使用MIMIC-IV开展了回归、二分类和三分类实验，其中三分类任务基于临床确立的阈值。12导联配置始终取得更好的性能。回归任务中，1导联和12导联的平均绝对误差分别达到534.98 pg/mL和514.27 pg/mL。二分类任务的AUROC分别为0.849和0.876，而三分类任务的宏平均AUROC分别为0.738和0.752。结果表明，精确预测NT-proBNP回归值仍具有挑战性，而对更宽泛的浓度范围进行分类则更为有效。这些发现与以下生理学假设一致：ECG特征和NT-proBNP浓度反映了共同的心血管过程。因此，基于ECG的NT-proBNP预测可能提供补充信息，尤其适用于对更宽泛的浓度范围进行分类。然而，实验室检测仍然不可或缺，并且还需要在独立数据集上进行验证。