人源心肌电压曲线的 CNN 心律失常分类
以人源心肌动作电位曲线训练分类器，计算药物诱发异常电活动的概率及安全裕度。
用途与模型
- 研究用途
- 已取得的 hiPSC 心肌电压曲线分析、药物风险排序和同基因背景比较。
- 模型与细胞来源
- 3 条健康供者 hiPSC 及 5 条心肌病变异系；变异系共用 HD.15S1 遗传背景。
- 方法版本
- 2022 年 8 条 hiPSC 细胞系与 37 种药物版本
- 实验形式
- 动作电位波形输入 CNN，输出正常、心律失常或无动作电位活动 3 类概率；再拟合浓度反应曲线。
材料与平台
- 生物数据
- 8 条 hiPSC 系的心肌波形；28 种 CiPA 药物及另外 9 种药物。
- 标签与训练
- 药物 CiPA 风险及游离 Cmax 共同定义训练标签；无活动波形人工标注。
- 计算与参照
- CNN、概率曲线 EC50、log10(EC50/游离 Cmax) 和逻辑回归。
测量指标与分析
- 3 类波形概率
- 概率 EC50
- 安全裕度
- 风险分类 AUC
- 不同遗传背景响应差异
排除基线异常分化批次；按药物/细胞系划分未见测试集，概率曲线与临床风险标签分别比较。
研究设计与结果
药物集评价
- 研究设计
- 未见药物、未见细胞系及两者均未见的 3 类波形测试集，另比较药物安全裕度。
- 测试范围
- 37 种药物、8 条 hiPSC 系；基线检查涉及 28 个分化批次。各测试集完整波形分母需结合原补充资料核对。
- 参照体系
- CiPA 风险、游离临床 Cmax、人工特征模型及同背景健康细胞。
- 研究结果
- 3 类未见测试集分类准确率分别为 98.5%、86.2% 和 97.5%；高/中风险对低风险的安全裕度分类 AUC 为 0.95。部分心肌病变异对药物诱发无活动更敏感。
适用条件与研究局限
- 波形准确率与药物风险 AUC 对应不同任务和分母。
- 训练标签依赖药物风险/暴露，部分药物偏离临床分类；bepridil 的波形尤其影响测试表现。
- 电压采集配置、CNN 层参数和完整数据拆分需结合原 STAR Methods/补充资料确认。
- 模型结果来自体外心肌数据；未进行新患者前瞻性风险验证。
来源与原文
- A Deep Learning Platform to Assess Drug Proarrhythmia Risk原始研究 · Cell Stem Cell · 2022-12-22