論文の概要: Artificial intelligence-enabled single-lead ECG for non-invasive hyperkalemia detection: development, multicenter validation, and proof-of-concept deployment

• arxiv url: http://arxiv.org/abs/2603.14177v1
• Date: Sun, 15 Mar 2026 01:51:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.652141
• Title: Artificial intelligence-enabled single-lead ECG for non-invasive hyperkalemia detection: development, multicenter validation, and proof-of-concept deployment
• Title（参考訳）: 非侵襲性高カルシウム血症検出のための人工知能対応シングルリードECG:開発、マルチセンター検証、概念実証
• Authors: Gongzheng Tang, Qinghao Zhao, Guangkun Nie, Yujie Xiao, Shijia Geng, Donglin Xie, Shun Huang, Deyun Zhang, Xingchen Yao, Jinwei Wang, Kangyin Chen, Luxia Zhang, Shenda Hong,
• Abstract要約: 高カルシウム血症(Hyperkalemia)は、慢性腎臓病や心不全の患者によく見られる、生命を脅かす電解質障害である。 非侵襲性高カルシウム血症スクリーニングとハンドヘルドデプロイメントのためのシングルリードAI-ECGシステムであるPocket-Kを開発した。
• 参考スコア（独自算出の注目度）: 14.734578811755048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperkalemia is a life-threatening electrolyte disorder that is common in patients with chronic kidney disease and heart failure, yet frequent monitoring remains difficult outside hospital settings. We developed and validated Pocket-K, a single-lead AI-ECG system initialized from the ECGFounder foundation model for non-invasive hyperkalemia screening and handheld deployment. In this multicentre observational study using routinely collected clinical ECG and laboratory data, 34,439 patients contributed 62,290 ECG--potassium pairs. Lead I data were used to fine-tune the model. Data from Peking University People's Hospital were divided into development and temporal validation sets, and data from The Second Hospital of Tianjin Medical University served as an independent external validation set. Hyperkalemia was defined as venous serum potassium > 5.5 mmol/L. Pocket-K achieved AUROCs of 0.936 in internal testing, 0.858 in temporal validation, and 0.808 in external validation. For KDIGO-defined moderate-to-severe hyperkalemia (serum potassium >= 6.0 mmol/L), AUROCs increased to 0.940 and 0.861 in the temporal and external sets, respectively. External negative predictive value exceeded 99.3%. Model-predicted high risk below the hyperkalemia threshold was more common in patients with chronic kidney disease and heart failure. A handheld prototype enabled near-real-time inference, supporting future prospective evaluation in native handheld and wearable settings.
• Abstract（参考訳）: 高カルシウム血症は、慢性腎臓病や心不全の患者によく見られる、生命を脅かす電解質障害である。 我々は,非侵襲性高カルシウム血症スクリーニングとハンドヘルドデプロイメントのためのECGFounderモデルから初期化した,シングルリードのAI-ECGシステムであるPocket-Kを開発した。 日常的に収集した心電図と検査データを用いた多施設共同調査では,34,439人の患者が62,290個の心電図-カリウムペアを寄贈した。 リードIデータは、モデルを微調整するために使用されました。 北京大学人民病院のデータは開発・時間的検証セットに分割され、天津医科大学第二病院のデータは独立した外部検証セットとして機能した。 高カルシウム血症は静脈性血清カリウム>5.5mmol/Lと診断された。 ポケット-Kは内部試験で0.936、時間検証で0.858、外部検証で0.808のAUROCを達成した。 KDIGOで定義した中等度から重度の高カルシウム血症(血清カリウム>=6.0mmol/L)では,経時的および外的セットでAUROCsは0.940と0.861に増加した。 外的負の予測値は99.3%を超えた。 慢性腎疾患や心不全の患者では,高カルシウム血症閾値以下のモデル予測高リスクが多かった。 ハンドヘルドプロトタイプは、ほぼリアルタイムの推論を可能にし、ネイティブハンドヘルドおよびウェアラブル設定における将来の予測評価をサポートする。

関連論文リスト

• In-Hospital Stroke Prediction from PPG-Derived Hemodynamic Features [34.880478990331916]
  病院内脳卒中発症タイムスタンプを非構造的臨床ノートから抽出するLLM支援データマイニングパイプラインを開発した。 次に、PSGから血行動態の特徴を抽出し、ResNet-1Dモデルを用いて、複数の早期警戒地平線を横断する差し迫ったストロークを予測する。 これらの結果は、PTGが発症の数時間前に脳卒中の予測的徴候を含むという実世界の臨床データから最初の実証的証拠となる。
  論文  参考訳（メタデータ） (2026-02-10T01:50:26Z)
• Predicting Length of Stay in Neurological ICU Patients Using Classical Machine Learning and Neural Network Models: A Benchmark Study on MIMIC-IV [49.1574468325115]
  本研究は、MIMIC-IVデータセットに基づく神経疾患患者を対象とした、ICUにおけるLOS予測のための複数のMLアプローチについて検討する。 評価されたモデルには、古典的MLアルゴリズム(K-Nearest Neighbors、Random Forest、XGBoost、CatBoost)とニューラルネットワーク(LSTM、BERT、テンポラルフュージョントランス)が含まれる。
  論文  参考訳（メタデータ） (2025-05-23T14:06:42Z)
• Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
  先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。 本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。 バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
  論文  参考訳（メタデータ） (2025-03-28T05:47:44Z)
• Development and Validation of a Dynamic Kidney Failure Prediction Model based on Deep Learning: A Real-World Study with External Validation [30.273170207534637]
  慢性腎臓病(CKD)は公衆衛生上重要な問題となっている。 既存のモデルの多くは静的であり、病気の進行の時間的傾向を捉えていない。 我々は,リアルタイム腎不全の予測に,現実の電子健康記録からの一般的な経時的臨床指標を利用するダイナミックモデルを開発した。
  論文  参考訳（メタデータ） (2025-01-25T13:52:51Z)
• Utilizing Machine Learning Models to Predict Acute Kidney Injury in Septic Patients from MIMIC-III Database [0.0]
  セプシス(Sepsis)は、体が感染に対して正しく反応しない重篤な疾患である。 敗血症患者では、約50%が急性腎障害(AKI)を発症する。 敗血症患者の特徴に基づいてAKIを正確に予測できるモデルは早期発見と介入に不可欠である。
  論文  参考訳（メタデータ） (2024-12-04T22:05:35Z)
• CardioLab: Laboratory Values Estimation and Monitoring from Electrocardiogram Signals -- A Multimodal Deep Learning Approach [1.068128849363198]
  我々はMIMIC-IVデータセットを用いてマルチモーダル深層学習モデルを構築し、推定(リアルタイム)と監視(将来の間隔での予測)実験値異常の可能性を示す。 AUROCスコアが0.70を超え、23の実験室値と26の観測室値に対して統計的に有意な精度で予測性能を示す。
  論文  参考訳（メタデータ） (2024-11-22T12:10:03Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• Predicting Hyperkalemia in the ICU and Evaluation of Generalizability and Interpretability [5.9854349801427285]
  高カルシウム血症は致命的な不整脈を引き起こす危険がある。 集中治療室(ICU)患者を高カルシウム血症のリスクで同定する予測モデルを開発した。 i) 0.79, 0.81, 0.81 および (ii) 0.81, 0.85, 0.85 の AUC を用いて, LR, RF, XGBoost をそれぞれ予測した。
  論文  参考訳（メタデータ） (2021-01-16T12:35:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。