जर्नल ऑफ वैस्कुलर मेडिसिन एंड सर्जरी

अमूर्त

12-लीड इलेक्ट्रोकार्डियोग्राम की मशीन लर्निंग ने एट्रियल फाइब्रिलेशन के लिए वंशानुगत जोखिम और भेद्यता की पहचान की

अवतार सिंह

12-लीड ईसीजी तरंगों पर लागू कृत्रिम बुद्धिमत्ता (एआई) मॉडल आलिंद फिब्रिलेशन (एएफ) की भविष्यवाणी कर सकते हैं, जो एक वंशानुगत और रोग संबंधी अतालता है। हमने अनुमान लगाया कि ईसीजीएआई-आधारित जोखिम आकलन का आनुवंशिक आधार हो सकता है। हमने ईसीजीएआई मॉडल को 39,986 यूके बायो बैंक प्रतिभागियों से ईसीजी में आलिंद फिब्रिलेशन की भविष्यवाणी करने के लिए लागू किया, जिनमें आलिंद फिब्रिलेशन नहीं था। इसके बाद, हमने अनुमानित आलिंद फिब्रिलेशन जोखिम का जीनोम-वाइड एसोसिएशन स्टडी (जीडब्ल्यूएएस) किया। सार्कोमियर जीन टीटीएन और सोडियम चैनल जीन एससीएन5ए और एससीएन10ए द्वारा चिह्नित स्थापित एएफ संवेदनशीलता लोकी पर तीन संकेतों (पी <5ई8) की पहचान की गई। हमने वीजीएलएल2 और ईएक्सटी1 जीन के पास दो नए लोकी की भी पहचान की। इसके विपरीत, नैदानिक ​​चर मॉडल से जोखिम अनुमान के जीडब्ल्यूएएस ने विभिन्न आनुवंशिक प्रोफाइल का खुलासा किया। ईकेजीएआई मॉडल से अनुमानित एएफ जोखिम सार्कोमियर, आयन चैनल और आनुवंशिक भिन्नता से प्रभावित होता है जो आरोही मार्गों का सुझाव देता है। ईसीजीएआई मॉडल विशिष्ट जैविक मार्गों के माध्यम से बीमारी के जोखिम वाले व्यक्तियों की पहचान कर सकता है।