Explainable artificial intelligence identifies and localizes left ventricular scar in hypertrophic cardiomyopathy using 12-Lead electrocardiogram
Rattachement africain : us, ca. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Left ventricular (LV) scar is a major risk factor for sudden death and heart failure in hypertrophic cardiomyopathy (HCM). LV scar evolves over time and needs longitudinal assessment. Currently, LV scar detection relies on late gadolinium enhancement MRI, which is limited by high cost and artifacts from implanted cardiac devices. To address this, we developed XplainScar, an explainable machine learning model that identifies LV scar using 12-lead electrocardiogram (ECG) data. XplainScar was trained and validated on retrospective data from 748 HCM patients across two centers (500 from Johns Hopkins hospital for model development, and 248 from UCSF for validation). XplainScar employs a combination of unsupervised and self-supervised representation learning to effectively predict scar presence, and discover ECG features associated with LV scar. XplainScar rapidly analyzes ECG data (< 1 min for 10 patients) and demonstrates strong predictive performance on the held-out test set, achieving an F1-score of 89%, sensitivity of 90%, specificity of 78%, and precision of 88%. By providing an effective, cost-effective, and transparent alternative to MRI, XplainScar has the potential to assist with patient care, and reduce healthcare costs related to LV scar monitoring in HCM. XplainScar is available at https://github.com/KasraNezamabadi/XplainScar .
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Explainable artificial intelligence identifies and localizes left ventricular scar in hypertrophic cardiomyopathy using 12-Lead electrocardiogram
- Date Crossref
- 30/09/2025
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Delaware Computational Biomedicine Lab pays non établi dans la noticeUniversité ou école supérieure
-
Johns Hopkins University pays non établi dans la noticeUniversité ou école supérieure
-
University of California Hypertrophic Cardiomyopathy Center of Excellence pays non établi dans la noticeUniversité ou école supérieure
-
Johns Hopkins Medicine pays non établi dans la noticeÉtablissement de santé
-
Vanderbilt University Department of Biomedical Engineering pays non établi dans la noticeUniversité ou école supérieure
-
IBM Research - Almaden pays non établi dans la noticeStructure de recherche
-
Queen's University pays non établi dans la noticeUniversité ou école supérieure
-
Johns Hopkins School of Medicine Division of Cardiology pays non établi dans la noticeUniversité ou école supérieure
-
IBM Research – Almaden Lab pays non établi dans la noticeStructure de recherche
-
School of Computing pays non établi dans la noticeUniversité ou école supérieure
Computational Biomedicine Lab — University of Delaware, Johns Hopkins University et Hypertrophic Cardiomyopathy Center of Excellence — University of California, avec 7 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.