Sztuczna inteligencja wykorzystująca jednoodprowadzeniowe EKG dokładnie identyfikuje pacjentów zagrożonych wystąpieniem utrwalonej arytmii komorowej w bliskiej przyszłości. Retrospektywnie przeanalizowano blisko 250 tysięcy 14-dniowych ambulatoryjnych zapisów EKG z 6 krajów. Pierwsze 24 godziny zostały wykorzystane do identyfikacji pacjentów, którzy prawdopodobnie mogą doświadczyć utrwalonego częstoskurczu komorowego w ciągu kolejnych 13 dni w modelu uczenia głębokiego. Model uczenia głębokiego został stworzony w oparciu o 183 177 zapisów, a jego wydajność sprawdzono w wewnętrznych (n = 43 580) i zewnętrznych (n = 20 497) kohortach walidacyjnych. Łącznie w 1104 zapisach (0,5%) znalazły się utrwalone arytmie komorowe. W obu kohortach walidacyjnych stworzony model uczenia głębokiego osiągnął pole powierzchni pod krzywą ROC 0,957 (95% CI 0,943-0,971) i 0,948 (95 CI 0,926-0,967). Czułość modelu przy ustalonej swoistości 97,0% wyniosła 66,1-70,6%. Model skutecznie przewidywał wystąpienie częstoskurczu komorowego w zapisach z szybkim, utrwalonym częstoskurczem komorowym (≥ 180 uderzeń na minutę) w 80,7% i 81,1% przypadków z kohort walidacyjnych, a także 90,0% przypadków częstoskurczu komorowego, które przekształciły się w migotanie komór. Mapy istotności zidentyfikowały predyktory częstoskurczu komorowego: ładunek dodatkowych pobudzeń komorowych, fragmentację zespołu QRS i cechy wczesnej depolaryzacji.
