在心血管疾病方面，女性常常得不到充分的支持。使用性別作為二分變量進(jìn)行危險(xiǎn)分層，無(wú)法捕捉到各性別內(nèi)部風(fēng)險(xiǎn)的異質(zhì)性。本研究旨在研發(fā)一種人工智能輔助心電圖（AI-ECG）模型，以研究不同性別的心血管風(fēng)險(xiǎn)。

　　本項(xiàng)回顧性隊(duì)列研究利用12導(dǎo)聯(lián)心電圖（ECGPG電子通信）訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network）模型進(jìn)行性別分類。研究以來(lái)自貝斯以色列女執(zhí)事醫(yī)療中心（the Beth Israel Deaconess Medical Center, BIDMC）的二級(jí)醫(yī)療數(shù)據(jù)集為建模隊(duì)列（共計(jì)1,163,401份心電圖），該數(shù)據(jù)集由2000年5月至2023年3月美國(guó)馬薩諸塞州波士頓一家醫(yī)院中進(jìn)行臨床指示性心電圖檢查的個(gè)人數(shù)據(jù)組成。數(shù)據(jù)集的50%用于模型訓(xùn)練，10%用于驗(yàn)證，40%用于測(cè)試。外部驗(yàn)證使用英國(guó)生物銀行數(shù)據(jù)庫(kù)（UK Biobank）隊(duì)列進(jìn)行，該數(shù)據(jù)庫(kù)包括登記時(shí)間在2006-2010年、年齡在40-69歲之間的志愿者相關(guān)數(shù)據(jù)（共計(jì)42,386份心電圖）。研究計(jì)算了AI輔助心電圖預(yù)測(cè)性別（連續(xù)性數(shù)據(jù)）與生物學(xué)性別（二分類變量）之間的差異，并稱之為性別不一致得分（sex discordance score）。

　　AI輔助心電圖能夠準(zhǔn)確地識(shí)別出性別（BIDMC隊(duì)列的受試者工作特征曲線]，UK Biobank隊(duì)列為0.971 [0.969-0.972]）。在心電圖正常的BIDMC門診患者中，性別不一致得分的增加與女性群體中協(xié)變量調(diào)整后心血管死亡風(fēng)險(xiǎn)的增加相關(guān)（風(fēng)險(xiǎn)比[HR]=1.78 [95% CI：1.18-2.70]，p=0.006），但在男性群體中無(wú)關(guān)（1.00 [0.63-1.58]，p=0.996）。在UK Biobank隊(duì)列中，也出現(xiàn)了同樣的情況（女性群體HR=1.33 [95% CI：1.06-1.68]，p=0.015；男性群體HR=0.98 [0.80-1.20]，p=0.854）。在BIDMC隊(duì)列中，性別不一致得分較高的女性更有可能在未來(lái)出現(xiàn)心力衰竭或心肌梗死，并且兩個(gè)隊(duì)列中性別不一致得分較高的女性都更多地顯示出男性心臟表型（左心室質(zhì)量及心腔容積增加）與非心臟表型（肌肉質(zhì)量增加、體脂率降低）。

　　性別不一致得分可作為一種新型的AI輔助心電圖生物標(biāo)志物，能夠幫助識(shí)別心血管風(fēng)險(xiǎn)過(guò)高的女性。AI輔助心電圖有助于篩查出這些女性患者，并從進(jìn)一步的危險(xiǎn)因素調(diào)整及監(jiān)測(cè)中獲益。